論文の概要: Contracting Tensor Networks with Generalized Belief Propagation

• arxiv url: http://arxiv.org/abs/2604.24760v1
• Date: Mon, 27 Apr 2026 17:59:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:08.361779
• Title: Contracting Tensor Networks with Generalized Belief Propagation
• Title（参考訳）: 一般化された信念伝播を伴うテンソルネットワーク
• Abstract要約: 本稿では,提案手法を近似的かつ高効率なテンソルネットワーク収縮に適用する方法を示す。 本研究では,2次元,3次元,無限次元,有限次元のテンソルネットワークにおいて,複数の異なる領域選択に対する信念伝搬アルゴリズムを実装した。 例えば, 完全フラストレーションIsingモデルの分割関数の計算, 三次元氷モデルの基底状態縮退の計算, 変形したAKLT量子状態上の可観測物の測定, ランダムに生成されたテンソルネットワーク状態のノルムの評価などである。
• 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: Recent years have seen a growing interest in the use of belief propagation - an algorithm originally introduced for performing statistical inference on graphical models - for approximate, but highly efficient, tensor network contraction. Here, we detail how to apply generalized belief propagation (GBP) - where messages are passed within a hierarchy of overlapping regions of the tensor network - to approximately contract tensor networks and obtain accurate results. The original belief propagation algorithm is a corner case of this approach, corresponding to a particularly simple choice of regions of the tensor network. We implement the GBP algorithm for a number of different region choices on a range of two- and three-dimensional, infinite and finite tensor networks, solving the corresponding fixed point equations both numerically and, in certain tractable cases, analytically. Our examples include calculating the partition function of the fully frustrated Ising model, computing the ground state degeneracy of three-dimensional ice models, measuring observables on the deformed AKLT quantum state and evaluating the norm of randomly generated tensor network states.
• Abstract（参考訳）: 近年では、近似的だが高効率なテンソルネットワークの収縮に対して、信念の伝播(元々はグラフィカルモデルで統計的推論を行うために導入されたアルゴリズム)の使用に対する関心が高まっている。 本稿では、テンソルネットワークの重なり合う領域の階層内でメッセージが渡される一般化信念伝播(GBP)を、約コントラクトテンソルネットワークに適用し、正確な結果を得る方法について述べる。 元の信念伝播アルゴリズムは、テンソルネットワークの領域の特に単純な選択に対応するこのアプローチのコーナーケースである。 2次元・3次元・無限・有限なテンソルネットワーク上での領域選択に対して,GBPアルゴリズムを実装した。 例えば, 完全フラストレーションIsingモデルの分割関数の計算, 三次元氷モデルの基底状態縮退の計算, 変形したAKLT量子状態上の可観測物の測定, ランダムに生成されたテンソルネットワーク状態のノルムの評価などである。

関連論文リスト

• Algorithmic Separation between Constant-Depth and Logarithmic-Depth Neural Networks [64.7580803923092]
  定数深度ネットワークと対数深度ネットワークの最初のアルゴリズム的分離を証明した。 具体的には、対数深度ネットワークが効率的に学習できる階層的なスペクトルを持つブール関数のクラスを同定する。
  論文  参考訳（メタデータ） (2026-07-28T02:13:30Z)
• T-GINEE: A Tensor-Based Multilayer Graph Representation Learning [50.294562905744215]
  T-GINEEは、テンソルに基づく一般化された推定方程式とタスク固有の損失を組み合わせた統計正規化フレームワークである。 我々の理論的分析は、穏やかな条件下での一貫性と正規性を確立する。 合成および実世界のデータセットに関する大規模な実験は、T-GINEEが多層ネットワーク解析に有効であることを検証する。
  論文  参考訳（メタデータ） (2026-05-27T10:51:29Z)
• Graph Signal Diffusion Models for Wireless Resource Allocation [74.84410305593006]
  グラフ構造干渉を用いた無線ネットワークにおける制約付きエルゴディック資源最適化について検討する。 生成した電力割り当ての時間的共有は、ほぼ最適のエルゴディック・サムレートユーティリティとほぼ実現可能なエルゴディック・ミニマルレートを実現する。
  論文  参考訳（メタデータ） (2026-04-06T21:12:25Z)
• Emergent statistical mechanics in holographic random tensor networks [41.99844472131922]
  RTN状態は大きな結合次元と3種類のジオメトリーのスケーリング限界において平衡であることを示す。 我々は,各システムの有効次元について,ホログラフィックな自由度カウントを再現する。 これらの結果は、RTN技術が量子多体相の遅延時間ダイナミクスの側面を探索できることを証明している。
  論文  参考訳（メタデータ） (2025-08-22T17:49:49Z)
• Tensorization of neural networks for improved privacy and interpretability [46.0920431279359]
  関数のテンソルトレイン表現を構築するためのテンソル化アルゴリズムを提案する。 このアプローチは、ニューラルネットワークモデルのプライバシと解釈可能性を高めるために使用できることを示す。
  論文  参考訳（メタデータ） (2025-01-10T19:00:06Z)
• Tensor Network Representation and Entanglement Spreading in Many-Body Localized Systems: A Novel Approach [0.0]
  一次元多体局在系に対する局所運動積分を計算するための新しい手法が考案された。 最適なユニタリ変換のクラスはテンソル-ネットワーク形式において導出され、指定された系のハミルトニアンを対角化する。 提案手法の効率を評価した結果, 高速かつほぼ正確であることが判明した。
  論文  参考訳（メタデータ） (2023-12-13T14:28:45Z)
• Efficient Finite Initialization with Partial Norms for Tensorized Neural Networks and Tensor Networks Algorithms [41.94295877935867]
  テンソル化ニューラルネットワークと一般的なテンソルネットワークアルゴリズムの2つの層を初期化するアルゴリズムを提案する。 この方法の中核はテンソルネットワークのノルムワークを反復的に使用することで、発散あるいはゼロノルムにつながるノルムの有限値によって正規化する。 また, Matrix Product State/Tensor Train (MPS/TT) 層とMatrix Product Operator/Tensor Train Matrix (MPO/TT-M) 層にも適用した。
  論文  参考訳（メタデータ） (2023-09-11T08:05:09Z)
• Theory on variational high-dimensional tensor networks [2.0307382542339485]
  ランダムな高次元ネットワーク状態の創発的統計特性とテンソルネットワークのトレーニング可能性について検討する。 変動高次元ネットワークが大域的損失関数のバレンプラトーに悩まされていることを証明した。 この結果は、将来の理論的研究と実践的応用の道を開くものである。
  論文  参考訳（メタデータ） (2023-03-30T15:26:30Z)
• Block belief propagation algorithm for two-dimensional tensor networks [0.0]
  本稿では,2次元テンソルネットワークを縮小し,2D$システムの基底状態を近似するためのブロック信念伝搬アルゴリズムを提案する。 応用として、我々のアルゴリズムを用いて2D$HeisenbergとTransverse Isingモデルを調べ、この手法の精度が最先端の結果と同等であることを示す。
  論文  参考訳（メタデータ） (2023-01-14T07:37:08Z)
• On the Effective Number of Linear Regions in Shallow Univariate ReLU Networks: Convergence Guarantees and Implicit Bias [50.84569563188485]
  我々は、ラベルが$r$のニューロンを持つターゲットネットワークの符号によって決定されるとき、勾配流が方向収束することを示す。 我々の結果は、標本サイズによらず、幅が$tildemathcalO(r)$である、緩やかなオーバーパラメータ化をすでに維持しているかもしれない。
  論文  参考訳（メタデータ） (2022-05-18T16:57:10Z)
• On the Neural Tangent Kernel Analysis of Randomly Pruned Neural Networks [91.3755431537592]
  ニューラルネットワークのニューラルカーネル(NTK)に重みのランダムプルーニングが及ぼす影響について検討する。 特に、この研究は、完全に接続されたニューラルネットワークとそのランダムに切断されたバージョン間のNTKの等価性を確立する。
  論文  参考訳（メタデータ） (2022-03-27T15:22:19Z)
• Mean-field Analysis of Piecewise Linear Solutions for Wide ReLU Networks [83.58049517083138]
  勾配勾配勾配を用いた2層ReLUネットワークについて検討する。 SGDは単純な解に偏りがあることが示される。 また,データポイントと異なる場所で結び目が発生するという経験的証拠も提供する。
  論文  参考訳（メタデータ） (2021-11-03T15:14:20Z)
• Tensor-Train Networks for Learning Predictive Modeling of Multidimensional Data [0.0]
  有望な戦略は、物理的および化学的用途で非常に成功したテンソルネットワークに基づいています。 本研究では, 多次元回帰モデルの重みをテンソルネットワークを用いて学習し, 強力なコンパクト表現を実現することを示した。 TT形式の重みを計算力の低減で近似するための最小二乗を交互に行うアルゴリズムが提案されている。
  論文  参考訳（メタデータ） (2021-01-22T16:14:38Z)
• A function space analysis of finite neural networks with insights from sampling theory [41.07083436560303]
  非拡張活性化関数を持つ多層ネットワークが生成する関数空間は滑らかであることを示す。 入力が帯域制限の仮定の下では、新しいエラー境界を提供する。 前者の利点を示す決定論的一様とランダムサンプリングの両方を解析した。
  論文  参考訳（メタデータ） (2020-04-15T10:25:18Z)
• Efficient variational contraction of two-dimensional tensor networks with a non-trivial unit cell [0.0]
  テンソルネットワーク状態は、強い相関の量子モデルとシステムを忠実にキャプチャする効率的な状態のクラスを提供する。 我々は最近提案された一次元量子格子をキャプチャするための変分行列積状態アルゴリズムを一般化する。 このアルゴリズムの重要な性質は、単位セルのサイズを指数的にではなく線形にスケールする計算努力である。
  論文  参考訳（メタデータ） (2020-03-02T19:01:06Z)

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。