論文の概要: Toward Scalable Normalizing Flows for the Hubbard Model

• arxiv url: http://arxiv.org/abs/2601.18273v1
• Date: Mon, 26 Jan 2026 08:58:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:08.747611
• Title: Toward Scalable Normalizing Flows for the Hubbard Model
• Title（参考訳）: ハバードモデルのためのスケーラブルな正規化フローに向けて
• Authors: Janik Kreit, Andrea Bulgarelli, Lena Funcke, Thomas Luu, Dominic Schuh, Simran Singh, Lorenzo Verzichelli,
• Abstract要約: 正規化フローは、最近、ハバードモデルのボルツマン分布を学習する能力を示した。 本研究では,このようなシミュレーションをより大きな格子サイズと低い温度まで拡張するために必要なステップについて検討する。 このフェルミオン系に対する正規化流れと非平衡マルコフ連鎖モンテカルロ法によるスケーリング挙動を示す。
• 参考スコア（独自算出の注目度）: 0.6503514711058446
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Normalizing flows have recently demonstrated the ability to learn the Boltzmann distribution of the Hubbard model, opening new avenues for generative modeling in condensed matter physics. In this work, we investigate the steps required to extend such simulations to larger lattice sizes and lower temperatures, with a focus on enhancing stability and efficiency. Additionally, we present the scaling behavior of stochastic normalizing flows and non-equilibrium Markov chain Monte Carlo methods for this fermionic system.
• Abstract（参考訳）: 正規化フローは、最近、ハバードモデルのボルツマン分布を学習する能力を示し、凝縮物質物理学における生成モデリングのための新しい道を開いた。 本研究では,このようなシミュレーションを格子サイズや低温にまで拡張するために必要なステップについて検討し,安定性と効率性の向上に焦点をあてる。 さらに、このフェルミオン系に対する確率正規化フローと非平衡マルコフ連鎖モンテカルロ法をスケーリングする挙動を示す。

関連論文リスト

• FALCON: Few-step Accurate Likelihoods for Continuous Flows [78.37361800856583]
  本稿では,FALCON(Few-step Accurate Likelihoods for Continuous Flows)を提案する。 FALCONは分子ボルツマンサンプリングのための最先端の正規化フローモデルより優れており、同等の性能を持つCNFモデルよりも2桁高速である。
  論文  参考訳（メタデータ） (2025-12-10T18:47:25Z)
• SESaMo: Symmetry-Enforcing Stochastic Modulation for Normalizing Flows [0.0]
  本稿では,Symmetry-Enforcecing Modulation (SESaMo)を紹介する。 SESaMoは、誘導変調と呼ばれる新しい技術により、バイアス(例えば対称性)を正規化フローに組み込むことを可能にする。 数値実験では、8-ガウス混合モデルと物理的に関連する場理論を含む様々なシナリオでSESaMoをベンチマークした。
  論文  参考訳（メタデータ） (2025-05-26T07:34:11Z)
• Simulating the Hubbard Model with Equivariant Normalizing Flows [0.0]
  ボルツマン分布を正確に学習するために正規化フローがうまく適用されている。 本稿では,ハバードモデルに対するボルツマン分布の学習に,フローの正規化が有効であることを示す。
  論文  参考訳（メタデータ） (2025-01-13T14:40:42Z)
• Latent Space Energy-based Neural ODEs [73.01344439786524]
  本稿では,連続時間列を表現するために設計された新しい深部力学モデルを提案する。 マルコフ連鎖モンテカルロの最大推定値を用いてモデルを訓練する。 振動系, ビデオ, 実世界の状態系列(MuJoCo)の実験結果から, 学習可能なエネルギーベース先行モデルの方が既存のモデルより優れていることが示された。
  論文  参考訳（メタデータ） (2024-09-05T18:14:22Z)
• Bayesian Circular Regression with von Mises Quasi-Processes [57.88921637944379]
  本研究では、円値ランダム関数上の表現的および解釈可能な分布の族を探索する。 後部推論のために,高速ギブズサンプリングに寄与するストラトノビッチ様拡張法を導入する。 本研究では,このモデルを用いて風向予測と走行歩行周期のパーセンテージを関節角度の関数として適用する実験を行った。
  論文  参考訳（メタデータ） (2024-06-19T01:57:21Z)
• Diagrammatic Monte Carlo for Dissipative Quantum Impurity Models [0.0]
  我々は、散逸性量子不純物モデルのリアルタイムダイナミクスを図式化したモンテカルロ法を開発した。 本アルゴリズムは, ダブルケルディシュではなく, 1 つの実時間輪郭に定式化されたハイブリダイゼーション展開をサンプリングする。 局所マルコフ散逸は一般に図式モンテカルロサンプリングの収束に役立つことを示す。
  論文  参考訳（メタデータ） (2023-11-29T17:41:38Z)
• Improving and generalizing flow-based generative models with minibatch optimal transport [90.01613198337833]
  連続正規化フロー(CNF)のための一般条件流整合(CFM)技術を導入する。 CFMは、拡散モデルのフローをトレーニングするために使用されるような安定した回帰目標を特徴としているが、決定論的フローモデルの効率的な推論を好んでいる。 我々の目的の変種は最適輸送CFM (OT-CFM) であり、訓練がより安定し、より高速な推論をもたらすより単純なフローを生成する。
  論文  参考訳（メタデータ） (2023-02-01T14:47:17Z)
• Stochastic normalizing flows as non-equilibrium transformations [62.997667081978825]
  正規化フローは従来のモンテカルロシミュレーションよりも効率的に格子場理論をサンプリングするための経路を提供することを示す。 本稿では,この拡張された生成モデルの効率を最適化する戦略と応用例を示す。
  論文  参考訳（メタデータ） (2022-01-21T19:00:18Z)

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。