論文の概要: Time-dependent variational Monte Carlo without bias

• arxiv url: http://arxiv.org/abs/2605.03930v1
• Date: Tue, 05 May 2026 16:20:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-06 19:35:44.028692
• Title: Time-dependent variational Monte Carlo without bias
• Title（参考訳）: バイアスのない時間依存性変分モンテカルロ
• Authors: Wladislaw Krinitsin, Markus Schmitt,
• Abstract要約: ボルナル・モンテカルロ(英: Bornal Monte Carlo)は、量子多体問題の解法である。 VMCは、不正確な原因となる微妙な推定バイアスを示す。 自己正規化重要度サンプリングを用いた時間依存型VMCの非バイアス変数を提案する。 また,クロスバージョニング(TCI)によるアクティブラーニングに基づく別のサンプリング戦略についても検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: When combined with highly expressive ansatz functions such as neural quantum states, variational Monte Carlo (VMC) constitutes a versatile numerical approach to tackle the quantum many-body problem in and out of equilibrium. However, its traditional formulation exhibits a subtle estimation bias leading to inaccuracies, which can be particularly detrimental when addressing real time dynamics. In this work, we investigate two avenues to circumvent said estimation bias. First, we propose an unbiased variant of time-dependent VMC using self-normalized importance sampling with respect to a cutoff-based deformation of the Born distribution. We demonstrate the feasibility and accuracy of the approach in pathological and generic cases of quench dynamics. Furthermore, we explore an alternative sampling strategy based on active learning via the tensor cross interpolation (TCI). While we find that our choice of tensor network architecture lacks the required low rank property, the proposed TCI-based algorithm complements the conventional importance sampling paradigm, providing an alternative perspective that may be further explored in future work.
• Abstract（参考訳）: ニューラル量子状態のような高度に表現力のあるアンザッツ関数と組み合わせると、変分モンテカルロ (VMC) は、量子多体問題に平衡の内外に取り組むための汎用的な数値的アプローチを構成する。 しかし、その伝統的な定式化は微妙な推定バイアスを示し、これは特にリアルタイム力学に対処する際に有害である。 本研究では,この推定バイアスを回避するための2つの道について検討する。 まず,ボルン分布のカットオフに基づく変形に対する自己正規化重要度サンプリングを用いた時間依存型VMCの非バイアス変種を提案する。 クエンチダイナミックスの病的, 一般的な症例において, アプローチの有効性と正確性を示す。 さらに,テンソルクロス補間(TCI)によるアクティブラーニングに基づく代替サンプリング戦略についても検討する。 テンソルネットワークアーキテクチャの選択には要求される低ランク特性が欠如していることが分かるが,提案したTCIアルゴリズムは従来の重要サンプリングパラダイムを補完するものであり,今後の研究でさらに検討される可能性がある。

関連論文リスト

• Removing nodal and support-mismatch pathologies in Variational Monte Carlo via blurred sampling [5.276073131901768]
  変分モンテカルロ(VMC)は、パラメータ化された身体波関数を最適化し、進化させる強力な高速成長法である。 しかし、実際には、メソッドのバックボーンがなければ、ノードの存在によって不安定あるいは偏りになる可能性がある。 これらの問題に対処するために、ぼやけたサンプリングを導入します。
  論文  参考訳（メタデータ） (2026-03-18T18:00:05Z)
• An Elementary Approach to Scheduling in Generative Diffusion Models [55.171367482496755]
  生成拡散モデルにおけるノイズスケジューリングと時間離散化の影響を特徴付けるための基礎的手法を開発した。 異なるデータセットと事前訓練されたモデルにわたる実験により、我々のアプローチによって選択された時間離散化戦略が、ベースラインとサーチベースの戦略を一貫して上回ることを示した。
  論文  参考訳（メタデータ） (2026-01-20T05:06:26Z)
• STACI: Spatio-Temporal Aleatoric Conformal Inference [12.74402506745844]
  STACIは非常にスケーラブルで、ニューラルネットワークモデルのトレーニング機能を活用する。 競合するディープメソッドを正確な時間的プロセスで上回ります。
  論文  参考訳（メタデータ） (2025-05-27T18:32:54Z)
• Lightweight Channel-wise Dynamic Fusion Model: Non-stationary Time Series Forecasting via Entropy Analysis [25.291749176117662]
  我々は、分散が時系列の非定常性に対する有効かつ解釈可能なプロキシであることを示す。 軽量なtextitChannel-wise textitDynamic textitFusion textitModel(textitCDFM)を提案する。 7つの時系列データセットに関する総合的な実験は、CDFMの優位性と一般化能力を示している。
  論文  参考訳（メタデータ） (2025-03-04T13:29:42Z)
• Efficient Exploration in Continuous-time Model-based Reinforcement Learning [37.14026153342745]
  強化学習アルゴリズムは典型的には離散時間力学を考察するが、基礎となるシステムは時間的に連続していることが多い。 連続時間力学を表すモデルに基づく強化学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-30T15:04:40Z)
• Unbiasing time-dependent Variational Monte Carlo by projected quantum evolution [44.99833362998488]
  量子系を古典的にシミュレートするためのモンテカルロ変分法(英語版)の精度とサンプルの複雑さを解析する。 時間依存変分モンテカルロ(tVMC)が最もよく用いられるスキームは、体系的な統計的バイアスによって影響を受けることを証明している。 本稿では,各段階における最適化問題の解法に基づく異なるスキームが,そのような問題から解放されていることを示す。
  論文  参考訳（メタデータ） (2023-05-23T17:38:10Z)
• Continuous-Time Modeling of Counterfactual Outcomes Using Neural Controlled Differential Equations [84.42837346400151]
  反現実的な結果を予測することは、パーソナライズされたヘルスケアをアンロックする可能性がある。 既存の因果推論アプローチでは、観察と治療決定の間の通常の離散時間間隔が考慮されている。 そこで本研究では,腫瘍増殖モデルに基づく制御可能なシミュレーション環境を提案する。
  論文  参考訳（メタデータ） (2022-06-16T17:15:15Z)
• Efficient CDF Approximations for Normalizing Flows [64.60846767084877]
  正規化フローの微分同相性に基づいて、閉領域上の累積分布関数(CDF)を推定する。 一般的なフローアーキテクチャとUCIデータセットに関する実験は,従来の推定器と比較して,サンプル効率が著しく向上したことを示している。
  論文  参考訳（メタデータ） (2022-02-23T06:11:49Z)
• TACTiS: Transformer-Attentional Copulas for Time Series [76.71406465526454]
  時間変化量の推定は、医療や金融などの分野における意思決定の基本的な構成要素である。 本稿では,アテンションベースデコーダを用いて関節分布を推定する多元的手法を提案する。 本研究では,本モデルが実世界の複数のデータセットに対して最先端の予測を生成することを示す。
  論文  参考訳（メタデータ） (2022-02-07T21:37:29Z)
• Multiplicative noise and heavy tails in stochastic optimization [62.993432503309485]
  経験的最適化は現代の機械学習の中心であるが、その成功における役割はまだ不明である。 分散による離散乗法雑音のパラメータによく現れることを示す。 最新のステップサイズやデータを含む重要な要素について、詳細な分析を行い、いずれも最先端のニューラルネットワークモデルで同様の結果を示す。
  論文  参考訳（メタデータ） (2020-06-11T09:58:01Z)

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。