論文の概要: svPITE: A Python package for the state-vector-based probabilistic imaginary-time evolution algorithm
- arxiv url: http://arxiv.org/abs/2605.07559v1
- Date: Fri, 08 May 2026 10:34:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-11 19:43:38.997239
- Title: svPITE: A Python package for the state-vector-based probabilistic imaginary-time evolution algorithm
- Title（参考訳）: svPITE: 状態ベクトルに基づく確率的想像時間進化アルゴリズムのためのPythonパッケージ
- Authors: Pascal Sievers, Satoshi Ejima,
- Abstract要約: 本稿では,確率的想像時間進化アルゴリズムに基づく地中準備のためのPythonパッケージを提案する。
標準ショットベースシミュレーションもサポートされており、結果は正確な対角化に対してベンチマークすることができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a Python package for ground-state preparation based on the probabilistic imaginary-time evolution algorithm, with particular focus on its state-vector-based implementation. A standard shot-based simulation is also supported, and results can be benchmarked against exact diagonalisation via a dedicated wrapper. The package enables efficient tuning of initial parameters, facilitating systematic exploration and optimisation of the method's performance. Starting from the prepared ground state, the strong interoperability with other packages further enables real-time evolution and the computation of spectral functions, such as the spin-spin dynamical structure factor.
- Abstract（参考訳）: 本稿では,確率的想像時間進化アルゴリズムに基づく地中準備のためのPythonパッケージについて述べる。
標準ショットベースのシミュレーションもサポートされており、結果を専用のラッパーを通じて正確な対角化に対してベンチマークすることができる。
このパッケージは、初期パラメータの効率的なチューニングを可能にし、系統的な探索とメソッドのパフォーマンスの最適化を容易にする。
準備された基底状態から始めて、他のパッケージとの強い相互運用性により、スピンスピン動的構造因子のようなスペクトル関数のリアルタイム進化と計算が可能になる。
関連論文リスト
- High-dimensional reliability-based design optimization using stochastic emulators [0.0]
本稿では,シミュレータ視点に基づく新しいRBDOフレームワークを提案する。
この定式化の下で、所定の設計に条件付けされたシステム応答は、その出力分布を直接モデル化する。
提案手法は,特に高次元設定において,かなりの計算ゲインが得られる。
論文 参考訳（メタデータ） (2026-04-07T12:01:50Z) - Natural Evolutionary Search meets Probabilistic Numerics [24.753011922443513]
確率的自然進化戦略アルゴリズム(ProbNES)と呼ばれる新しいアルゴリズムのクラスを導入する。
我々は,ProbNESアルゴリズムが,非確率的手法とグローバルサンプル効率の手法を一貫して上回っていることを示す。
論文 参考訳（メタデータ） (2025-07-09T21:15:50Z) - Simulation-based inference with the Python Package sbijax [0.7499722271664147]
sbijaxは、ニューラルネットワークベースの推論に様々な最先端のメソッドを実装するPythonパッケージである。
このパッケージはベイズ近似計算の機能を提供し、モデル診断を計算し、自動的に要約統計を推定する。
論文 参考訳（メタデータ） (2024-09-28T18:47:13Z) - Poisson Process for Bayesian Optimization [126.51200593377739]
本稿では、Poissonプロセスに基づくランキングベースの代理モデルを提案し、Poisson Process Bayesian Optimization(PoPBO)と呼ばれる効率的なBOフレームワークを提案する。
従来のGP-BO法と比較すると,PoPBOはコストが低く,騒音に対する堅牢性も良好であり,十分な実験により検証できる。
論文 参考訳（メタデータ） (2024-02-05T02:54:50Z) - Distributional Gradient Boosting Machines [77.34726150561087]
私たちのフレームワークはXGBoostとLightGBMをベースにしています。
我々は,このフレームワークが最先端の予測精度を実現することを示す。
論文 参考訳（メタデータ） (2022-04-02T06:32:19Z) - X-volution: On the unification of convolution and self-attention [52.80459687846842]
本稿では,畳み込み操作と自己注意操作の両方からなるマルチブランチ基本モジュールを提案する。
提案したX-進化は、非常に競争力のある視覚的理解の改善を実現する。
論文 参考訳（メタデータ） (2021-06-04T04:32:02Z) - Directed particle swarm optimization with Gaussian-process-based
function forecasting [15.733136147164032]
パーティクルスワム最適化 (PSO) は、探索空間を囲む一組の候補解を、ランダム化されたステップ長を持つ最もよく知られたグローバルおよびローカルな解へ移動させる反復探索法である。
本アルゴリズムは探索的・搾取的行動に対して望ましい特性が得られることを示す。
論文 参考訳（メタデータ） (2021-02-08T13:02:57Z) - Antenna Optimization Using a New Evolutionary Algorithm Based on
Tukey-Lambda Probability Distribution [2.601664770350088]
そこで我々は,Tukeyの対称分布に基づく新しい進化的最適化アルゴリズムを提案する。
チューキー突然変異演算子を用いた進化的プログラミング(EP)アルゴリズムは、多くの最適化問題においてよく機能する。
論文 参考訳（メタデータ） (2020-05-27T19:00:35Z) - Supervised Learning for Non-Sequential Data: A Canonical Polyadic
Decomposition Approach [85.12934750565971]
特徴相互作用の効率的なモデリングは、非順序的タスクに対する教師あり学習の基盤となる。
この問題を緩和するため、モデルパラメータをテンソルとして暗黙的に表現することが提案されている。
表現性を向上するため,任意の高次元特徴ベクトルに特徴写像を適用できるようにフレームワークを一般化する。
論文 参考訳（メタデータ） (2020-01-27T22:38:40Z) - CatBoostLSS -- An extension of CatBoost to probabilistic forecasting [91.3755431537592]
本稿では,不可変応答変数の条件分布全体を予測する新しいフレームワークを提案する。
CatBoostLSSは条件平均のみではなくパラメトリック分布のすべてのモーメントをモデル化する。
提案手法の利点を実証するシミュレーション研究と実世界の実例を共に提示する。
論文 参考訳（メタデータ） (2020-01-04T15:42:44Z)
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。