論文の概要: Amorphous Solid Model of Vectorial Hopfield Neural Networks
- arxiv url: http://arxiv.org/abs/2507.22787v1
- Date: Wed, 30 Jul 2025 15:51:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-31 16:14:18.302205
- Title: Amorphous Solid Model of Vectorial Hopfield Neural Networks
- Title（参考訳）: ベクトルホップフィールドニューラルネットワークの非晶質固体モデル
- Authors: F. Gallavotti, A. Zaccone,
- Abstract要約: 非晶質固体の理論から着想を得たホップフィールド連想記憶モデルのベクトル拡張を提案する。
一般化されたヘビアン学習規則は、保存されたパターンベクトルの外積を通してブロック構造重み行列を生成する。
本研究では, このモデルが乱れた材料の定量的構造特性を示すことを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a vectorial extension of the Hopfield associative memory model inspired by the theory of amorphous solids, where binary neural states are replaced by unit vectors $\mathbf{s}_i \in \mathbb{R}^3$ on the sphere $S^2$. The generalized Hebbian learning rule creates a block-structured weight matrix through outer products of stored pattern vectors, analogous to the Hessian matrix structure in amorphous solids. We demonstrate that this model exhibits quantifiable structural properties characteristic of disordered materials: energy landscapes with deep minima for stored patterns versus random configurations (energy gaps $\sim 7$ units), strongly anisotropic correlations encoded in the weight matrix (anisotropy ratios $\sim 10^2$), and order-disorder transitions controlled by the pattern density $\gamma = P/(N \cdot d)$. The enhanced memory capacity ($\gamma_c \approx 0.55$ for a fully-connected network) compared to binary networks ($\gamma_c \approx 0.138$) and the emergence of orientational correlations establish connections between associative memory mechanisms and amorphous solid physics, particularly in systems with continuous orientational degrees of freedom. We also unveil the scaling with the coordination number $Z$ of the memory capacity: $\gamma_c \sim (Z-6)$ from the isostatic point $Z_c =6$ of the 3D elastic network, which closely mirrors the scaling of the shear modulus $G \sim (Z-6)$ in 3D central-force spring networks.
- Abstract（参考訳）: 球面$S^2$ 上の単体ベクトル $\mathbf{s}_i \in \mathbb{R}^3$ に双対神経状態が置換されるアモルファス固体の理論に着想を得たホップフィールド連想記憶モデルのベクトル拡張を示す。
一般化されたヘビアン学習規則は、アモルファス固体のヘビアン行列構造に類似した、保存されたパターンベクトルの外積を通じてブロック構造的重み行列を生成する。
このモデルは、記憶されたパターンとランダムな構成(エネルギーギャップ$\sim 7$単位)に対する深い最小値を持つエネルギーランドスケープ、重み行列に符号化された強異方性相関(異方性比$\sim 10^2$)、パターン密度$\gamma = P/(N \cdot d)$で制御される秩序不規則遷移を示す。
拡張メモリ容量 (\gamma_c \approx 0.55$ for a full-connect network) とバイナリネットワーク (\gamma_c \approx 0.138$) を比較して、配向相関の出現は、特に連続的な配向次数を持つシステムにおいて、連想記憶機構とアモルファス固体物理学との間の接続を確立する。
メモリ容量の調整数$Z$: $\gamma_c \sim (Z-6)$ 等静点$Z_c = 6$ の3D弾性ネットワークでは、せん断係数$G \sim (Z-6)$ の3D中央力スプリングネットワークでのスケーリングをよく反映している。
関連論文リスト
- Tensor Decomposition Networks for Fast Machine Learning Interatomic Potential Computations [63.945006006152035]
テンソル分解ネットワーク(TDN)は、計算処理の劇的な高速化と競合する性能を実現する。
1億5500万のDFT計算スナップショットを含む分子緩和データセットPubChemQCRのTDNを評価した。
論文 参考訳（メタデータ） (2025-07-01T18:46:27Z) - Polyconvex Physics-Augmented Neural Network Constitutive Models in Principal Stretches [0.0]
凸関数は二階対称関数で記述できることを示す。
モデルが任意の物質を捕獲する能力は, 合成データと実験データを用いて実証した。
論文 参考訳（メタデータ） (2025-03-01T17:55:09Z) - Bridging conformal field theory and parton approaches to SU(n)_k chiral spin liquids [48.225436651971805]
共形場理論では、$mathrmSU(n)_k$ Wess-Zumino-Witten (WZW) モデルを用いて、格子波動関数を1次元と2次元の両方で構成する。
すべての格子上のスピンは、ヤング・テーブルーの$mathrmSU(n)$既約表現の下で、単一の行と$k$ボックスで変換される。
論文 参考訳（メタデータ） (2025-01-16T14:42:00Z) - High-Rank Irreducible Cartesian Tensor Decomposition and Bases of Equivariant Spaces [47.83974626445763]
カルテシアンテンソルの分解のための経路行列を、小さくて手頃な複雑さを持つランク$n=9$まで構築する。
我々は、経路行列の連結がテンソル積空間と球面直和空間の間の正則な基底行列であることを証明し、活用する。
結果は任意のテンソル積と直和空間に拡張され、対称性を維持しながら異なる空間間の自由な設計が可能となる。
論文 参考訳（メタデータ） (2024-12-24T08:25:38Z) - Bose-Hubbard model with power-law hopping in one dimension [0.0]
パワーローホッピングが1/ralpha$で崩壊する1次元Bose-Hubbardモデルについて検討する。
1alphaleq 3$の全ての1アルファレクに対して、超流体と単位充填時のモットからの量子相転移は連続でスケール不変である。
論文 参考訳（メタデータ） (2024-12-02T14:54:53Z) - Entanglement renormalization of fractonic anisotropic $\mathbb{Z}_N$ Laplacian models [4.68169911641046]
ギャップフラクトン相は、トポロジカル秩序に接続するが、既存のパラダイムに容易に適合しない物質の新しい種類の量子状態を構成する。
任意のグラフ上で定義されるフラクトン相の族を記述することができる異方性 $mathbbZ_N$ Laplacian モデルについて検討する。
論文 参考訳（メタデータ） (2024-09-26T18:36:23Z) - Unveiling Induction Heads: Provable Training Dynamics and Feature Learning in Transformers [54.20763128054692]
我々は,2層変換器が$n$-gramのマルコフ連鎖データ上でICLを実行するためにどのように訓練されているかを検討する。
クロスエントロピー ICL 損失に対する勾配流が極限モデルに収束することを証明する。
論文 参考訳（メタデータ） (2024-09-09T18:10:26Z) - Enhancing lattice kinetic schemes for fluid dynamics with Lattice-Equivariant Neural Networks [79.16635054977068]
我々はLattice-Equivariant Neural Networks (LENNs)と呼ばれる新しい同変ニューラルネットワークのクラスを提案する。
我々の手法は、ニューラルネットワークに基づく代理モデルLattice Boltzmann衝突作用素の学習を目的とした、最近導入されたフレームワーク内で開発されている。
本研究は,実世界のシミュレーションにおける機械学習強化Lattice Boltzmann CFDの実用化に向けて展開する。
論文 参考訳（メタデータ） (2024-05-22T17:23:15Z) - Geometry of degenerate quantum states, configurations of $m$-planes and invariants on complex Grassmannians [55.2480439325792]
退化状態の幾何学を非アーベル接続(英語版)$A$に還元する方法を示す。
部分空間のそれぞれに付随する独立不変量を見つける。
それらのいくつかはベリー・パンチャラトナム位相を一般化し、1次元部分空間の類似点を持たないものもある。
論文 参考訳（メタデータ） (2024-04-04T06:39:28Z) - SE(3)-Stochastic Flow Matching for Protein Backbone Generation [54.951832422425454]
我々はFoldFlowを紹介した。FoldFlowは,3mathrmD$の剛性運動に対するフローマッチングパラダイムに基づく,モデリング能力向上のための新しい生成モデルである。
FoldFlow生成モデルのファミリーは、タンパク質の生成モデルに対する従来のアプローチよりもいくつかの利点を提供している。
論文 参考訳（メタデータ） (2023-10-03T19:24:24Z) - Tensor network simulation of the (1+1)-dimensional $O(3)$ nonlinear
$\sigma$-model with $\theta=\pi$ term [17.494746371461694]
1+1)次元の$O(3)$非線形$sigma$-modelと$theta=pi$項のテンソルネットワークシミュレーションを行う。
ハミルトンの定式化の中で、この場の理論は磁気モノポールで装飾された量子ローターモデルの有限温度分割関数として現れる。
論文 参考訳（メタデータ） (2021-09-23T12:17:31Z) - Dynamical Signatures of Chaos to Integrability Crossover in $2\ imes 2$
Generalized Random Matrix Ensembles [0.0]
NNS(Nearest Neighbor Spacing)の密度と2次モーメントの計算によるエネルギー相関について検討する。
NNSの2番目のモーメントである大きな$N$と相対的な相関穴の深さは、$gamma=2$で2次相転移を示す。
論文 参考訳（メタデータ） (2020-10-28T05:02:13Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。