論文の概要: Algorithmic aspects of gauged Gaussian fermionic projected entangled pair states
- arxiv url: http://arxiv.org/abs/2512.13812v1
- Date: Mon, 15 Dec 2025 19:01:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-17 16:49:26.454636
- Title: Algorithmic aspects of gauged Gaussian fermionic projected entangled pair states
- Title（参考訳）: ゲージ付きガウスフェルミオン射影対状態のアルゴリズム的側面
- Authors: Itay Gomelski, Jonathan Elyovich, Ariel Kelman, Erez Zohar, Patrick Emonts,
- Abstract要約: 格子ゲージ理論(LGT)は、非摂動現象を研究するための強力な枠組みを提供する。
Gauged Gaussian fermionic projected entangled pair state (GGFPEPS) を変分基底状態アンサッツとして用いることで、LGTの研究の代替となる。
- 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: Lattice gauge theories (LGTs) provide a powerful framework for studying non-perturbative phenomena in gauge theories. However, conventional approaches such as Monte Carlo (MC) simulations in imaginary time are limited, as they do not allow real time evolution and suffer from a sign problem in many important cases. Using Gauged Gaussian fermionic projected entangled pair states (GGFPEPS) as a variational ground state ansatz offers an alternative for studying LGTs through a sign-problem-free variational MC. As this method is extended to larger and more complex systems, understanding its numerical behavior becomes essential. While conventional action based MC has been extensively studied, the performance and characteristics of non-action-based MC within the GGFPEPS framework are far less explored. In this work, we investigate these algorithmic aspects, identifying an optimal update size for GGFPEPS-based MC simulations for $\mathbb{Z}_2$ in $2+1$ dimensions. We show that gauge fixing generally slows convergence, and demonstrate that not exploiting the translation-invariance can, in some cases, improve the computational time scaling of error convergence. We expect that these improvements will allow advancing the simulation to larger and more complex systems.
- Abstract（参考訳）: 格子ゲージ理論(LGTs)は、ゲージ理論における非摂動現象を研究するための強力な枠組みを提供する。
しかし、モンテカルロシミュレーション(MC)のような従来の手法は、リアルタイムの進化を許さず、多くの重要なケースで目印問題に悩まされるため、制限されている。
Gauged Gaussian fermionic projected entangled pair state (GGFPEPS) を変分基底状態アンサッツとして用いると、符号プロブレムフリーな変分MCによるLGTの研究の代替となる。
この手法がより大規模で複雑なシステムに拡張されるにつれて、その数値的挙動を理解することが不可欠となる。
従来のアクションベースMCは広く研究されているが、GGFPEPSフレームワークにおける非アクションベースMCの性能と特性は明らかにされていない。
本研究では,GGFPEPSに基づくMCシミュレーションの最適更新サイズを$\mathbb{Z}_2$2+1$次元で同定する。
ゲージ固定は一般に収束を遅くし、変換不変性を利用していない場合には、誤差収束の計算時間スケーリングを改善することができることを示す。
これらの改善により、より大規模で複雑なシステムにシミュレーションを前進させることが期待できる。
関連論文リスト
- OMEGA: Can LLMs Reason Outside the Box in Math? Evaluating Exploratory, Compositional, and Transformative Generalization [88.76091817642963]
最近の大規模言語モデル (LLMs) は、DeepSeek-R1-のような長い鎖の推論を持ち、オリンピアード級数学において印象的な成果を上げている。
本稿では,3つの分布外一般化の軸を評価するために設計された3つの一般化 Axes-a ベンチマークを用いた OMEGA-Out-of-distriion Math Problems Evaluation を提案する。
論文 参考訳（メタデータ） (2025-06-23T17:51:40Z) - Neural Graduated Assignment for Maximum Common Edge Subgraphs [8.399955426185244]
MCES問題は、生物学や化学などの分野において重要な課題である。
最大斜めおよびサーチベースアルゴリズムへの変換を含む従来のアプローチは、より大きなインスタンスを扱う場合のスケーラビリティの問題に悩まされている。
本稿では,これらの制約に対処する,シンプルでスケーラブルで教師なし学習に基づく手法であるNeural Graduated Assignment' (NGA)を紹介する。
論文 参考訳（メタデータ） (2025-05-18T09:43:35Z) - Beyond Progress Measures: Theoretical Insights into the Mechanism of Grokking [50.465604300990904]
グロキング(Grokking)とは、オーバーフィッティングの拡張後のテスト精度の急激な改善を指す。
本研究では、素数演算のタスクにおいて、Transformerの基盤となるグルーキング機構について検討する。
論文 参考訳（メタデータ） (2025-04-04T04:42:38Z) - Hamiltonian Lattice Gauge Theories: emergent properties from Tensor Network methods [0.0]
この論文は、ハミルトン格子理論(LGT)に対処する高度なネットワーク(TN)手法を開発する。
ゲージ場の効率的な切り裂きを可能にする新しい着衣場形式が導入された。
これらの進歩は、モンテカルロの最先端に匹敵する、最適化され、効率的で、より高速なスケールでのシミュレーションに向けて、オープン・カレントと将来の開発経路を進化させる。
論文 参考訳（メタデータ） (2025-01-19T17:09:57Z) - Unbiasing time-dependent Variational Monte Carlo by projected quantum
evolution [44.99833362998488]
量子系を古典的にシミュレートするためのモンテカルロ変分法(英語版)の精度とサンプルの複雑さを解析する。
時間依存変分モンテカルロ(tVMC)が最もよく用いられるスキームは、体系的な統計的バイアスによって影響を受けることを証明している。
本稿では,各段階における最適化問題の解法に基づく異なるスキームが,そのような問題から解放されていることを示す。
論文 参考訳（メタデータ） (2023-05-23T17:38:10Z) - REMuS-GNN: A Rotation-Equivariant Model for Simulating Continuum
Dynamics [0.0]
本稿では,連続体力学系をシミュレーションする回転同変マルチスケールモデルREMuS-GNNを紹介する。
楕円円柱まわりの非圧縮性流れについて,本手法の実証と評価を行った。
論文 参考訳（メタデータ） (2022-05-05T16:20:37Z) - Machine Learning and Variational Algorithms for Lattice Field Theory [1.198562319289569]
格子量子場論の研究において、格子理論を定義するパラメータは連続体物理学にアクセスする臨界性に向けて調整されなければならない。
経路積分の領域に適用される輪郭変形に基づいてモンテカルロ推定器を「変形」する手法を提案する。
我々は,フローベースMCMCが臨界減速を緩和し,オブザーシフォールドが原理的応用のばらつきを指数関数的に低減できることを実証した。
論文 参考訳（メタデータ） (2021-06-03T16:37:05Z) - On MCMC for variationally sparse Gaussian processes: A pseudo-marginal
approach [0.76146285961466]
ガウス過程(GP)は、機械学習や統計学において強力なモデルを構築するために頻繁に用いられる。
本稿では,2重推定器による確率と大規模データセットの正確な推測と計算的ゲインを提供する擬似マージナル(PM)方式を提案する。
論文 参考訳（メタデータ） (2021-03-04T20:48:29Z) - The Variational Method of Moments [65.91730154730905]
条件モーメント問題は、観測可能量の観点から構造因果パラメータを記述するための強力な定式化である。
OWGMMの変動最小値再構成により、条件モーメント問題に対する非常に一般的な推定器のクラスを定義する。
同じ種類の変分変換に基づく統計的推測のためのアルゴリズムを提供する。
論文 参考訳（メタデータ） (2020-12-17T07:21:06Z) - On the Generalization of Stochastic Gradient Descent with Momentum [84.54924994010703]
運動量に基づく勾配降下(SGD)の加速変種は、機械学習モデルを訓練する際に広く用いられる。
まず,標準重球運動量(SGDM)を持つSGDの複数のエポックに対する安定性ギャップが非有界となる凸損失関数が存在することを示す。
滑らかなリプシッツ損失関数に対しては、修正モーメントベースの更新規則、すなわち、幅広いステップサイズで初期運動量(SGDEM)を解析する。
論文 参考訳（メタデータ） (2018-09-12T17:02:08Z)
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。