論文の概要: Exploring the Effect of Basis Rotation on NQS Performance

• arxiv url: http://arxiv.org/abs/2512.17893v1
• Date: Fri, 19 Dec 2025 18:49:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-22 19:25:54.533525
• Title: Exploring the Effect of Basis Rotation on NQS Performance
• Title（参考訳）: バス回転がNQS性能に及ぼす影響を探る
• Authors: Sven Benjamin Kožić, Vinko Zlatić, Fabio Franchini, Salvatore Marco Giampaolo,
• Abstract要約: パラメータ空間内の正確な波動関数を移動しながら、局所基底回転が損失ランドスケープを変化させることを示す。 回転角を網羅することにより、量子フィッシャー情報とフビニ・スタディ距離を計算し、回転した波動関数がロスランドスケープ内でどのように動くかを定量化する。 解析的に解ける回転イジングモデルに基づくフレームワークを導入し、固定された損失景観におけるターゲット波動関数の移動が情報幾何学的障壁を明らかにする方法について検討する。
• 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 Quantum States (NQS) use neural networks to represent wavefunctions of quantum many-body systems, but their performance depends on the choice of basis, yet the underlying mechanism remains poorly understood. We use a fully solvable one-dimensional Ising model to show that local basis rotations leave the loss landscape unchanged while relocating the exact wavefunction in parameter space, effectively increasing its geometric distance from typical initializations. By sweeping a rotation angle, we compute quantum Fisher information and Fubini-Study distances to quantify how the rotated wavefunction moves within the loss landscape. Shallow architectures (with focus on Restricted Boltzmann Machines (RBMs)) trained with quantum natural gradient are more likely to fall into saddle-point regions depending on the rotation angle: they achieve low energy error but fail to reproduce correct coefficient distributions. In the ferromagnetic case, near-degenerate eigenstates create high-curvature barriers that trap optimization at intermediate fidelities. We introduce a framework based on an analytically solvable rotated Ising model to investigate how relocating the target wavefunction within a fixed loss landscape exposes information-geometric barriers,such as saddle points and high-curvature regions,that hinder shallow NQS optimization, underscoring the need for landscape-aware model design in variational training.
• Abstract（参考訳）: ニューラル量子状態(NQS)は、ニューラルネットワークを用いて量子多体系の波動関数を表現するが、その性能は基底の選択に依存するが、基礎となるメカニズムはよく分かっていない。 パラメータ空間の正確な波動関数を移動しながら、局所基底回転が損失ランドスケープを変化させることを示すために、完全に解ける一次元イジングモデルを用いて、典型的な初期化から幾何学的距離を効果的に増加させる。 回転角を網羅することにより、量子フィッシャー情報とフビニ・スタディ距離を計算し、回転した波動関数がロスランドスケープ内でどのように動くかを定量化する。 量子自然勾配で訓練された浅層構造(制限ボルツマン機械(RBM))は、回転角に応じてサドル点領域に落ちやすい。 強磁性の場合、ほぼ退化した固有状態は、中間忠実度での最適化をトラップする高い曲率障壁を生成する。 本研究では,固定損失ランドスケープ内のターゲット波動関数の移動が,浅部NQS最適化を阻害するサドル点や高曲率領域などの情報幾何学的障壁を如何に表すかを明らかにするために,解析的に解決可能な回転Isingモデルに基づくフレームワークを提案する。

関連論文リスト

• Entanglement and optimization within autoregressive neural quantum states [3.318269729347296]
  ニューラル量子状態(NQS)は、非常に絡み合った量子多体波動関数を表現することができる強力な変分アンゼである。 最大256ドルのスピンを持つ鎖に対するランダム自己回帰波動関数のアンサンブルの大規模シミュレーションを行う。 平均エンタングルメントスケーリング, エンタングルメントスペクトル, 相関関数における遷移のシグネチャを明らかにする。
  論文  参考訳（メタデータ） (2025-09-15T18:59:19Z)
• 3D Equivariant Pose Regression via Direct Wigner-D Harmonics Prediction [50.07071392673984]
  既存の方法は、角度や四元数を用いて空間領域でパラメータ化された3次元回転を学習する。 本稿では,3次元回転回帰のためのWigner-D係数を直接予測する周波数領域アプローチを提案する。 提案手法は, ModelNet10-SO(3) や PASCAL3D+ などのベンチマーク上での最先端結果を実現する。
  論文  参考訳（メタデータ） (2024-11-01T12:50:38Z)
• Exploring quantum localization with machine learning [39.58317527488534]
  本稿では、その局所化の観点から、波動関数を分類するための効率的なニューラルネットワーク(NN)アーキテクチャを提案する。 提案手法は, 量子位相空間のパラメトリゼーションにより, 改良畳み込みモデルのパターン認識機能と, 独自の「量子」NNへと導かれる。
  論文  参考訳（メタデータ） (2024-06-01T08:50:26Z)
• Scalable Imaginary Time Evolution with Neural Network Quantum States [0.0]
  ニューラルネットワーク量子状態(NQS)としての量子波関数の表現は、多体量子系の基底状態を見つけるための強力な変分アンサッツを提供する。 我々は、計量テンソルの計算をバイパスするアプローチを導入し、代わりにユークリッド計量を用いた一階降下にのみ依存する。 我々は,NQSのエネルギーが減少するまで最適な時間ステップを決定し,目標を固定し,適応的に安定させる。
  論文  参考訳（メタデータ） (2023-07-28T12:26:43Z)
• Adaptive Self-supervision Algorithms for Physics-informed Neural Networks [59.822151945132525]
  物理情報ニューラルネットワーク(PINN)は、損失関数のソフト制約として問題領域からの物理的知識を取り入れている。 これらのモデルの訓練性に及ぼす座標点の位置の影響について検討した。 モデルがより高い誤りを犯している領域に対して、より多くのコロケーションポイントを段階的に割り当てる適応的コロケーション方式を提案する。
  論文  参考訳（メタデータ） (2022-07-08T18:17:06Z)
• Momentum Diminishes the Effect of Spectral Bias in Physics-Informed Neural Networks [72.09574528342732]
  物理インフォームドニューラルネットワーク(PINN)アルゴリズムは、偏微分方程式(PDE)を含む幅広い問題を解く上で有望な結果を示している。 彼らはしばしば、スペクトルバイアスと呼ばれる現象のために、ターゲット関数が高周波の特徴を含むとき、望ましい解に収束しない。 本研究は, 運動量による勾配降下下で進化するPINNのトレーニングダイナミクスを, NTK(Neural Tangent kernel)を用いて研究するものである。
  論文  参考訳（メタデータ） (2022-06-29T19:03:10Z)
• Avoiding barren plateaus via transferability of smooth solutions in Hamiltonian Variational Ansatz [0.0]
  変分量子アルゴリズム(VQA)は、現在の量子デバイス上で計算スピードアップを達成するための主要な候補である。 2つの大きなハードルは、低品質な局所最小値の増殖と、コスト関数のランドスケープにおける勾配の指数的な消失である。 ここでは、反復探索方式を用いることで、パラダイム的量子多体モデルの基底状態を効果的に作成できることを示す。
  論文  参考訳（メタデータ） (2022-06-04T12:52:29Z)
• Learning High-Precision Bounding Box for Rotated Object Detection via Kullback-Leibler Divergence [100.6913091147422]
  既存の回転物体検出器は、主に水平検出パラダイムから受け継がれている。 本稿では,回転回帰損失の設計を帰納パラダイムから導出手法に変更することを目的としている。
  論文  参考訳（メタデータ） (2021-06-03T14:29:19Z)
• Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
  視覚SLAMシステムのための新しい最適化バックボーンを提案する。 従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。 我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
  論文  参考訳（メタデータ） (2020-11-02T18:02:26Z)

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。