論文の概要: Les Houches Lectures Notes on Tensor Networks

• arxiv url: http://arxiv.org/abs/2512.24390v1
• Date: Tue, 30 Dec 2025 18:10:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-01 23:27:28.455106
• Title: Les Houches Lectures Notes on Tensor Networks
• Title（参考訳）: Les Houchs氏の講演ノート - Tensor Networks
• Authors: Bram Vancraeynest-De Cuiper, Weronika Wiesiolek, Frank Verstraete,
• Abstract要約: テンソルネットワークは 強い相関系における 複雑な真空変動の 圧縮されたホログラフィック記述を提供する これらの講義ノートは、この理論の最も重要な概念的、計算的、数学的側面の簡潔な概要を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tensor networks provide a powerful new framework for classifying and simulating correlated and topological phases of quantum matter. Their central premise is that strongly correlated matter can only be understood by studying the underlying entanglement structure and its associated (generalised) symmetries. In essence, tensor networks provide a compressed, holographic description of the complicated vacuum fluctuations in strongly correlated systems, and as such they break down the infamous many-body exponential wall. These lecture notes provide a concise overview of the most important conceptual, computational and mathematical aspects of this theory.
• Abstract（参考訳）: テンソルネットワークは、量子物質の相関位相と位相位相を分類し、シミュレーションするための強力な新しいフレームワークを提供する。 彼らの中心的な前提は、強い相関物質は、基礎となる絡み合い構造とその関連する(一般化された)対称性を研究することでのみ理解できるということである。 本質的に、テンソルネットワークは強い相関系における複雑な真空変動の圧縮されたホログラフィック記述を提供し、悪名高い多体指数壁を壊す。 これらの講義ノートは、この理論の最も重要な概念的、計算的、数学的側面の簡潔な概要を提供する。

関連論文リスト

• Bulk-boundary correspondence from hyper-invariant tensor networks [0.0]
  本稿では,AdS/CFT対応を忠実にシミュレートするテンソルネットワークを提案する。 この枠組みは、任意のバルク作用素の像を考慮して境界共形場理論(CFT)の2点と3点の相関関数を正確に再現する。
  論文  参考訳（メタデータ） (2024-09-03T16:24:18Z)
• Foundations and Frontiers of Graph Learning Theory [81.39078977407719]
  グラフ学習の最近の進歩は、複雑な構造を持つデータを理解し分析する方法に革命をもたらした。 グラフニューラルネットワーク(GNN)、すなわちグラフ表現を学習するために設計されたニューラルネットワークアーキテクチャは、一般的なパラダイムとなっている。 本稿では,グラフ学習モデルに固有の近似と学習行動に関する理論的基礎とブレークスルーについて概説する。
  論文  参考訳（メタデータ） (2024-07-03T14:07:41Z)
• Distributional Associations vs In-Context Reasoning: A Study of Feed-forward and Attention Layers [49.80959223722325]
  本研究では,大規模言語モデルにおけるフィードフォワード層とアテンション層との区別について検討する。 フィードフォワード層はビッグラムのような単純な分布関係を学習する傾向があり、注意層は文脈内推論にフォーカスする。
  論文  参考訳（メタデータ） (2024-06-05T08:51:08Z)
• Percolation Theories for Quantum Networks [5.004146855779428]
  量子ネットワークの不完全性において、遠方のノード間でどのように効果的かつ間接的に絡み合うことができるのか? 従来のパーコレーションフレームワークは,ネットワークの間接接続性を一意に定義していないことを示す。 この実現により、"Concurrence Percolation"と呼ばれる別の理論が出現し、この理論は、大規模に現れる未認識の量子優位性を明らかにする。
  論文  参考訳（メタデータ） (2023-10-27T18:24:58Z)
• The resource theory of tensor networks [2.0781167019314806]
  結合次元の概念を多部交絡を用いた絡み合い構造に一般化する自然資源理論について検討する。 エンタングルメント構造の間には、エッジ・バイ・エッジ変換を超える変換が存在することを示す。
  論文  参考訳（メタデータ） (2023-07-14T15:11:02Z)
• Imaginary components of out-of-time correlators and information scrambling for navigating the learning landscape of a quantum machine learning model [0.0]
  我々は、時間外相関器の未探索の虚構成分が、グラフニューラルネットワークの情報スクランブル能力に関する前例のない洞察を与えることができることを分析的に説明する。 このような分析は、量子情報がそのようなネットワークを介してどのようにスクランブルされるかを明らかにすることによって、量子機械学習モデルのトレーニングをデミステレーションする。
  論文  参考訳（メタデータ） (2022-08-29T06:17:28Z)
• Rank Diminishing in Deep Neural Networks [71.03777954670323]
  ニューラルネットワークのランクは、層をまたがる情報を測定する。 これは機械学習の幅広い領域にまたがる重要な構造条件の例である。 しかし、ニューラルネットワークでは、低ランク構造を生み出す固有のメカニズムはあいまいで不明瞭である。
  論文  参考訳（メタデータ） (2022-06-13T12:03:32Z)
• Holographic tensor network models and quantum error correction: A topical review [78.28647825246472]
  ホログラフィックの双対性の研究の最近の進歩は、量子情報理論の概念や技術と結びついている。 特に成功したアプローチは、テンソルネットワークによるホログラフィック特性のキャプチャである。
  論文  参考訳（メタデータ） (2021-02-04T14:09:21Z)
• Lorentz Group Equivariant Neural Network for Particle Physics [58.56031187968692]
  ローレンツ群の下での変換に関して完全に同値なニューラルネットワークアーキテクチャを提案する。 素粒子物理学における分類問題に対して、そのような同変構造は、比較的学習可能なパラメータの少ない非常に単純なモデルをもたらすことを実証する。
  論文  参考訳（メタデータ） (2020-06-08T17:54:43Z)

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。