論文の概要: Trapped Fermions Through Kolmogorov-Arnold Wavefunctions

• arxiv url: http://arxiv.org/abs/2512.07800v1
• Date: Mon, 08 Dec 2025 18:30:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:55.002427
• Title: Trapped Fermions Through Kolmogorov-Arnold Wavefunctions
• Title（参考訳）: コルモゴロフ-アルノルド波動関数による捕捉フェルミオン
• Authors: Paulo F. Bedaque, Jacob Cigliano, Hersh Kumar, Srijit Paul, Suryansh Rajawat,
• Abstract要約: スピン=フラクチャー12$フェルミオンの1次元混合を捕捉するための変分モンテカルロフレームワークについて検討する。 我々はKolmogorov-Arnoldネットワークを用いて、普遍的なニューラルネットワーク波動関数アンスターゼを構築する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We investigate a variational Monte Carlo framework for trapped one-dimensional mixture of spin-$\frac{1}{2}$ fermions using Kolmogorov-Arnold networks (KANs) to construct universal neural-network wavefunction ansätze. The method can, in principle, achieve arbitrary accuracy, limited only by the Monte Carlo sampling and was checked against exact results at sub-percent precision. For attractive interactions, it captures pairing effects, and in the impurity case it agrees with known results. We present a method of systematic transfer learning in the number of network parameters, allowing for efficient training for a target precision. We vastly increase the efficiency of the method by incorporating the short-distance behavior of the wavefunction into the ansätz without biasing the method.
• Abstract（参考訳）: コルモゴロフ・アルノルドネットワーク (KANs) を用いたスピン=$\frac{1}{2}$フェルミオンの1次元混合を捕捉し、普遍的ニューラルネットワーク波動関数アンセッツェを構築するための変分モンテカルロフレームワークについて検討する。 この方法は、原則としてモンテカルロサンプリングによってのみ制限された任意の精度を達成でき、精度の低い精度で正確な結果と比較された。 魅力的な相互作用のために、ペアリング効果を捉え、不純物の場合、既知の結果と一致する。 本稿では,ネットワークパラメータ数の体系的移動学習手法を提案する。 本研究では, 波動関数の短距離挙動をアンセッツに組み込むことにより, 手法の効率を大幅に向上させる。

関連論文リスト

• Neural Wave Functions for Superfluids [3.440236962613469]
  超流動基底状態を持つことが知られている強い短距離二体相互作用を持つ系である一元性フェルミガスについて検討する。 我々は最近開発されたフェルミオン型ニューラルネットワーク(FermiNet)波動関数Ansatzを用いてモンテカルロの変分計算を行った。
  論文  参考訳（メタデータ） (2023-05-11T17:23:29Z)
• Monte Carlo Neural PDE Solver for Learning PDEs via Probabilistic Representation [59.45669299295436]
  教師なしニューラルソルバのトレーニングのためのモンテカルロPDEソルバを提案する。 我々は、マクロ現象をランダム粒子のアンサンブルとみなすPDEの確率的表現を用いる。 対流拡散, アレン・カーン, ナヴィエ・ストークス方程式に関する実験により, 精度と効率が著しく向上した。
  論文  参考訳（メタデータ） (2023-02-10T08:05:19Z)
• Determinant-free fermionic wave function using feed-forward neural networks [0.0]
  本稿では,フィードフォワードニューラルネットワークを用いて,多体フェルミオン系の基底状態を検出する枠組みを提案する。 エネルギーの「ばらつき」をエネルギーそのものと同時に最適化することにより近似の精度を向上させることができることを示す。 これらの改善は、変分モンテカルロ法に基づく他の手法にも適用できる。
  論文  参考訳（メタデータ） (2021-08-19T11:51:36Z)
• Sampling in Combinatorial Spaces with SurVAE Flow Augmented MCMC [83.48593305367523]
  ハイブリッドモンテカルロ(Hybrid Monte Carlo)は、複素連続分布からサンプリングする強力なマルコフ連鎖モンテカルロ法である。 本稿では,SurVAEフローを用いたモンテカルロ法の拡張に基づく新しい手法を提案する。 本稿では,統計学,計算物理学,機械学習など,様々な分野におけるアルゴリズムの有効性を実証し,代替アルゴリズムと比較した改良点を考察する。
  論文  参考訳（メタデータ） (2021-02-04T02:21:08Z)
• Almost-Matching-Exactly for Treatment Effect Estimation under Network Interference [73.23326654892963]
  本研究では,観測ネットワーク上でユニットが接続されたランダム化実験から直接処理効果を回復するマッチング手法を提案する。 本手法は, 近傍グラフ内の一意部分グラフの個数にほぼ一致する。
  論文  参考訳（メタデータ） (2020-03-02T15:21:20Z)

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。