Fugu-MT 論文翻訳(概要): Conformal Defects in Neural Network Field Theories

論文の概要: Conformal Defects in Neural Network Field Theories

arxiv url: http://arxiv.org/abs/2512.07946v1
Date: Mon, 08 Dec 2025 19:00:03 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-10 22:28:07.688533
Title: Conformal Defects in Neural Network Field Theories
Title（参考訳）: ニューラルネットワーク場理論における共形欠陥
Authors: Pietro Capuozzo, Brandon Robinson, Benjamin Suzzoni,
Abstract要約: 本稿では,ニューラルネットワーク場理論における共形不変欠陥の構成法について述べる。 2点相関関数における欠陥OPEに類似した拡張のNN解釈を開発する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Neural Network Field Theories (NN-FTs) represent a novel construction of arbitrary field theories, including those of conformal fields, through the specification of the network architecture and prior distribution for the network parameters. In this work, we present a formalism for the construction of conformally invariant defects in these NN-FTs. We demonstrate this new formalism in two toy models of NN scalar field theories. We develop an NN interpretation of an expansion akin to the defect OPE in two-point correlation functions in these models.
Abstract（参考訳）: ニューラルネットワーク場理論(NN-FT)は、ネットワークアーキテクチャの仕様とネットワークパラメータの事前分布を通じて、共形場の理論を含む任意の場の理論を新たに構築したものである。本研究では,これらのNN-FTにおける共形不変欠陥の構成に関する定式化について述べる。 NNスカラー場理論の2つのおもちゃモデルにおいて、この新しい形式を実証する。これらのモデルにおける2点相関関数の欠陥OPEに類似した拡張のNN解釈を開発する。

関連論文リスト

Transformers from Diffusion: A Unified Framework for Neural Message Passing [79.9193447649011]
メッセージパッシングニューラルネットワーク(MPNN)は、デファクトクラスのモデルソリューションとなっている。本稿では,拡散の誘導バイアスとエネルギーの層的制約を統合するエネルギー制約拡散モデルを提案する。これらの知見に基づいて、我々はTransformer (DIFFormer)と呼ばれる新しいタイプのメッセージパッシングモデルを考案した。
論文参考訳（メタデータ） (2024-09-13T17:54:41Z)
Subhomogeneous Deep Equilibrium Models [5.1334640820688175]
暗黙のニューラルネットワークは、様々なアプリケーションにおける従来のネットワークの強力な代替手段として成長してきた。これらのモデルは、しばしば存在と独自性の保証を欠き、安定性、性能、問題を高める。我々は,非同次作用素の概念と非線形ペロン・フロベニウス理論に基づく暗黙深度ニューラルネットワークにおける固定点の存在と特異性について,新たな解析を行った。
論文参考訳（メタデータ） (2024-03-01T18:12:46Z)
Generalized Lagrangian Neural Networks [8.065464912030352]
ラグランジアンニューラルネット(LNN)へのグランドブレーキング拡張(ゲンラル化ラグランジアンニューラルネット)を導入する。ラグランジュ方程式におけるラグランジュ方程式の基本的な重要性を活用することにより、一般化されたラグランジュ方程式に基づいてモデルを定式化する。この修正は予測精度を高めるだけでなく、非保守系におけるラグランジアン表現も保証する。
論文参考訳（メタデータ） (2024-01-08T08:26:40Z)
From NeurODEs to AutoencODEs: a mean-field control framework for width-varying Neural Networks [68.8204255655161]
本稿では,動的に駆動する制御フィールドをベースとした,AutoencODEと呼ばれる新しいタイプの連続時間制御システムを提案する。損失関数が局所凸な領域では,多くのアーキテクチャが復元可能であることを示す。
論文参考訳（メタデータ） (2023-07-05T13:26:17Z)
Generalization and Estimation Error Bounds for Model-based Neural Networks [78.88759757988761]
スパースリカバリのためのモデルベースネットワークの一般化能力は、通常のReLUネットワークよりも優れていることを示す。我々は,高一般化を保証したモデルベースネットワークの構築を可能にする実用的な設計規則を導出する。
論文参考訳（メタデータ） (2023-04-19T16:39:44Z)
Universal approximation property of invertible neural networks [76.95927093274392]
Invertible Neural Network (INN) は、設計によって可逆性を持つニューラルネットワークアーキテクチャである。その可逆性とヤコビアンのトラクタビリティのおかげで、IGNは確率的モデリング、生成的モデリング、表現的学習など、さまざまな機械学習応用がある。
論文参考訳（メタデータ） (2022-04-15T10:45:26Z)
A Chain Graph Interpretation of Real-World Neural Networks [58.78692706974121]
本稿では,NNを連鎖グラフ(CG)、フィードフォワードを近似推論手法として識別する別の解釈を提案する。 CG解釈は、確率的グラフィカルモデルのリッチな理論的枠組みの中で、各NNコンポーネントの性質を規定する。我々は,CG解釈が様々なNN技術に対する新しい理論的支援と洞察を提供することを示す具体例を実例で示す。
論文参考訳（メタデータ） (2020-06-30T14:46:08Z)
An Ode to an ODE [78.97367880223254]
我々は、O(d) 群上の行列フローに応じて主フローの時間依存パラメータが進化する ODEtoODE と呼ばれるニューラルODE アルゴリズムの新しいパラダイムを提案する。この2つの流れのネストされたシステムは、訓練の安定性と有効性を提供し、勾配の消滅・爆発問題を確実に解決する。
論文参考訳（メタデータ） (2020-06-19T22:05:19Z)

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。