論文の概要: On Minimizing Krylov Complexity Using Higher-Order Generators

• arxiv url: http://arxiv.org/abs/2603.07183v1
• Date: Sat, 07 Mar 2026 12:47:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:13.99822
• Title: On Minimizing Krylov Complexity Using Higher-Order Generators
• Title（参考訳）: 高次発生器を用いたクリロフ錯体の最小化について
• Authors: Saud Čindrak, Kathy Lüdge,
• Abstract要約: クリロフ複雑性(英: Krylov complexity)は、クリロフ空間における状態の拡散を通じて量子系の進化を特徴づける枠組みである。 クリロフ基底は時間進化作用素の1次近似に対応することを示す。 無限次生成器は任意の時間でより小さなスプレッドを示すことができることを示す。
• 参考スコア（独自算出の注目度）: 1.2891210250935148
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Krylov complexity provides a powerful framework for characterizing the dynamical evolution of quantum systems through the spreading of states in Krylov space. The motivation for this is rooted in the optimality of the Krylov basis for the analyzed cost function. In this work, we reinterpret the motivation for the Krylov basis from a dynamical perspective and show that it corresponds to a first-order approximation of the time-evolution operator. We extend this framework to higher-order generators and analytically disprove the optimality assumption by showing that an infinite-order generator can be constructed to exhibit smaller spread for arbitrary times. We propose a natural time scale for the construction of these higher-order generators and discuss results for matrices sampled from Gaussian Unitary Ensembles, demonstrating smaller Krylov complexity at all higher orders. These results extend the framework of Krylov complexity beyond the conventional Krylov basis by disproving the widely held assumption of optimality, extending the construction to higher-order generators, and introducing a physically motivated method for their construction. Our findings therefore suggest that previous statements and results concerning Krylov complexity may need to be reconsidered.
• Abstract（参考訳）: クリロフ複雑性は、クリロフ空間における状態の拡散を通じて量子系の動的進化を特徴づける強力な枠組みを提供する。 この動機は、分析されたコスト関数に対するクリロフ基底の最適性に根ざしている。 本研究では、動的観点からクリロフ基底のモチベーションを再解釈し、時間進化作用素の1次近似に対応することを示す。 この枠組みを高階発生器に拡張し、無限階発生器が任意の時間にわたってより小さなスプレッドを示すように構築可能であることを示すことにより、最適性仮定を解析的に反証する。 我々は、これらの高階生成器の構築のための自然な時間スケールを提案し、ガウスユニタリアンサンブルからサンプリングされた行列について、より高階でより小さなクリロフ複雑性を示す。 これらの結果は、Krylov複雑性の枠組みを従来のKrylov基底を超えて拡張し、最適性の仮定を広く証明し、構築を高次生成子に拡張し、その構築のために物理的に動機づけられた方法を導入することによって、拡張する。 以上の結果から, クリロフ複雑性に関する過去の記述や結果を再考する必要がある可能性が示唆された。

関連論文リスト

• Superadditivity of Krylov Complexity for Tensor Products [0.0]
  ハミルトンがテンソル積として分解する量子系のクリロフ複雑性について検討する。 テンソル積$C_12ge C_1+C$では、複雑性が超加法であることが証明され、結果として生じる余剰な複雑性を定量化する正の作用素が特定される。
  論文  参考訳（メタデータ） (2026-01-13T16:48:16Z)
• Krylov Complexity in Lifshitz-type Dirac Field Theories [0.0]
  リフシッツ型ディラック場の理論におけるクリロフ複雑性を、ジェネリック力学指数$z$で研究する。 我々は,異なる体制下でのクリロフ複雑性の成長と飽和挙動を解析した。 我々は、Lifshitz指数の$z$の増加がKrylov複雑性、エントロピー、Laczos成長を抑制することを発見した。
  論文  参考訳（メタデータ） (2025-06-10T13:05:08Z)
• NeuralGrok: Accelerate Grokking by Neural Gradient Transformation [54.65707216563953]
  算術的タスクにおける変換器の一般化を高速化する最適勾配変換を学習する勾配に基づく手法であるNeuralGrokを提案する。 実験により,NeuralGrokは一般化を著しく加速することが示された。 また、NeuralGrokはより安定したトレーニングパラダイムを促進し、モデルの複雑さを常に低減します。
  論文  参考訳（メタデータ） (2025-04-24T04:41:35Z)
• On The Sample Complexity Bounds In Bilevel Reinforcement Learning [49.19950489963245]
  二段階強化学習(BRL)は、生成モデルを調整するための強力なフレームワークとして登場した。 連続状態-作用複雑性において$mathcalO(epsilon)$の最初のサンプルを示す。 我々の分析は、既存の$mathcalO(epsilon)$のバウンダリで、複雑さを改善します。
  論文  参考訳（メタデータ） (2025-03-22T04:22:04Z)
• Multiseed Krylov complexity [0.0]
  クリロフ複雑性は、量子作用素が動的進化の下で拡散する速度の魅力的な尺度である。 本稿では,1つの演算子ではなく,ブロック・ランチョスアルゴリズムを用いて初期種子のコレクションに適用することを提案する。 結果として生じる構成は、従来のクリロフの複雑さとは異なり、微調整の必要なく、積分可能でカオス的なハミルトン多様体を確実に区別する。
  論文  参考訳（メタデータ） (2024-09-24T02:03:36Z)
• Latent Conservative Objective Models for Data-Driven Crystal Structure Prediction [62.36797874900395]
  計算化学において、結晶構造予測は最適化問題である。 この問題に対処する1つのアプローチは、密度汎関数理論(DFT)に基づいてシミュレータを構築し、続いてシミュレーションで探索を実行することである。 我々は,LCOM(最近の保守的客観モデル)と呼ばれる我々の手法が,構造予測の成功率の観点から,最も優れたアプローチと同等に機能することを示す。
  論文  参考訳（メタデータ） (2023-10-16T04:35:44Z)
• Ultimate Speed Limits to the Growth of Operator Complexity [0.0]
  クリロフ複雑性の成長に基本的かつ普遍的な極限を導入する。 この条件が飽和していることを示し、量子カオスのパラダイムモデルにその妥当性を示す。
  論文  参考訳（メタデータ） (2022-02-10T13:05:11Z)
• Efficient Methods for Structured Nonconvex-Nonconcave Min-Max Optimization [98.0595480384208]
  定常点に収束する一般化外空間を提案する。 このアルゴリズムは一般の$p$ノルド空間だけでなく、一般の$p$次元ベクトル空間にも適用される。
  論文  参考訳（メタデータ） (2020-10-31T21:35:42Z)

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。