Fugu-MT 論文翻訳(概要): Expander attention as exchange-correlation

論文の概要: Expander attention as exchange-correlation

arxiv url: http://arxiv.org/abs/2605.10265v1
Date: Mon, 11 May 2026 09:27:38 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-12 23:28:50.694958
Title: Expander attention as exchange-correlation
Title（参考訳）: 交換相関としての明らかな注意
Authors: Karim K. Alaa El-Din, Antonius v. Strachwitz, Sam M. Vinko,
Abstract要約: この領域における永続的な課題は、正確性と計算コストの間のトレードオフである。本稿では,拡張器グラフ変換器のアンサッツに基づく非局所XC近似の線形スケーリングを提案する。その結果, 強い相関関係にある正の$mathrmH_4曲線が復元され, プランナー$mathrmH_4$に対して有望な結果が得られた。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Kohn-Sham density functional theory (DFT) is the workhorse of quantum chemistry, offering an attractive balance between accuracy and computational cost. Although exact in principle, DFT in practice relies on an approximation to the unknown exchange-correlation (XC) functional, which encodes the many-body quantum effects beyond the mean-field treatment. Many such approximations exist, and machine-learned XC functionals have proliferated in recent years. A persistent challenge in this area is the trade-off between accuracy and computational cost: while high-accuracy ML functionals have shown success on strongly correlated systems that are notoriously difficult for conventional approximations, their unfavorable scaling has limited broader adoption. Here, we propose a linearly scaling non-local XC approximation based on an expander graph transformer ansatz, improving the scaling of $O(N^2)$ or worse for previous ML functionals capable of reliably capturing strongly correlated systems. We show that it recovers the correct $\mathrm{H_2}$ dissociation curve in the strongly correlated regime, with promising results on planar $\mathrm{H_4}$, a system where even high-level coupled cluster methods break down. Our approach thus charts a path toward ML functionals that are both accurate on strongly correlated systems and cheap enough to deploy at scale.
Abstract（参考訳）: コーン・シャム密度汎関数論(Kohn-Sham density functional theory, DFT)は、量子化学の分野において、精度と計算コストの間の魅力的なバランスを提供する理論である。原理的には正しいが、実際にはDFTは、平均場処理を超えて多体量子効果を符号化する未知の交換相関関数(XC)の近似に依存している。このような近似が多数存在し、機械学習型XC関数は近年増加している。この領域における永続的な課題は、精度と計算コストのトレードオフである: 高い精度のML関数は、従来の近似では難しいと悪名高い相関の強いシステムで成功している一方で、彼らの好ましくないスケーリングは、より広範な採用を制限している。本稿では,拡張器グラフ変換器のアンサッツをベースとした非局所XC近似を線形に拡張し,強相関系を確実に捉えることができる従来のML関数に対して$O(N^2)$以上のスケーリングを改善することを提案する。強相関状態における正しい$\mathrm{H_2}$解離曲線を復元し,高レベル結合クラスタ法でさえも崩壊するシステムであるプランナー$\mathrm{H_4}$に対して有望な結果を示す。当社のアプローチは,強い相関関係を持つシステムにおいて正確であり,大規模展開に十分なコストのML機能への道筋を示すものである。

関連論文リスト

SAQ: Stabilizer-Aware Quantum Error Correction Decoder [8.458339111154585]
量子誤り訂正(QEC)復号法は、基本的な精度と効率のトレードオフに直面している。最近のニューラルデコーダは複雑さを減少させるが、計算に高価な古典的手法と競合するために必要な精度に欠ける。本稿では,変換器に基づく学習と制約後処理を組み合わせたフレームワークであるSAQ-Decoderを紹介する。
論文参考訳（メタデータ） (2025-12-09T18:51:35Z)
Muti-Fidelity Prediction and Uncertainty Quantification with Laplace Neural Operators for Parametric Partial Differential Equations [6.03891813540831]
Laplace Neural Operators (LNOs) は、科学機械学習において有望なアプローチとして登場した。低忠実度ベースモデルと並列線形/非線形HF補正と動的相互重み付けを組み合わせた多忠実Laplace Neural Operator (MF-LNOs)を提案する。これにより、LFデータセットとHFデータセットの相関を利用して、興味のある量の正確な推測を行うことができる。
論文参考訳（メタデータ） (2025-02-01T20:38:50Z)
Adaptive Federated Learning Over the Air [108.62635460744109]
オーバー・ザ・エア・モデル・トレーニングの枠組みの中で,適応勾配法,特にAdaGradとAdamの連合バージョンを提案する。解析の結果,AdaGrad に基づくトレーニングアルゴリズムは $mathcalO(ln(T) / T 1 - frac1alpha の速度で定常点に収束することがわかった。
論文参考訳（メタデータ） (2024-03-11T09:10:37Z)
Non-convex Bayesian Learning via Stochastic Gradient Markov Chain Monte Carlo [4.656426393230839]
人工知能(AI)の台頭は、非トリップと不確実性のための現代のディープニューラルネットワーク(DNN)の効率性を重視している。本論文ではモンテカルロ利用問題を扱うためのツールを提案する。また,基礎となる正規方程式(ODE)システムに対する2つの動的重要度サンプリングアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-05-30T18:25:11Z)
FeDXL: Provable Federated Learning for Deep X-Risk Optimization [105.17383135458897]
我々は、既存のアルゴリズムが適用できないXリスクのファミリーを最適化するために、新しい連邦学習(FL)問題に取り組む。 Xリスクに対するFLアルゴリズムを設計する際の課題は、複数のマシンに対する目的の非可逆性と、異なるマシン間の相互依存にある。
論文参考訳（メタデータ） (2022-10-26T00:23:36Z)
Revisiting Active Sets for Gaussian Process Decoders [0.0]
我々は最近発見されたクロスバリデーションのリンクに基づいて,ログマージ可能性の新たな推定法を開発した。結果の能動集合 (SAS) 近似がGPデコーダトレーニングの堅牢性を大幅に向上することを示す。
論文参考訳（メタデータ） (2022-09-10T10:49:31Z)
eQE 2.0: Subsystem DFT Beyond GGA Functionals [58.720142291102135]
サブシステム-DFT (subsystem-DFT) は、大規模電子構造計算の計算コストを劇的に削減することができる。 sDFTの鍵となる要素は、その精度を支配する非付加的な運動エネルギーと交換相関関数である。 eQE 2.0は従来のコーンシャムDFTやCCSD(T)と比較して優れた相互作用エネルギーを提供する
論文参考訳（メタデータ） (2021-03-12T22:26:36Z)
On Function Approximation in Reinforcement Learning: Optimism in the Face of Large State Spaces [208.67848059021915]
強化学習のコアにおける探索・探索トレードオフについて検討する。特に、関数クラス $mathcalF$ の複雑さが関数の複雑さを特徴づけていることを証明する。私たちの後悔の限界はエピソードの数とは無関係です。
論文参考訳（メタデータ） (2020-11-09T18:32:22Z)
Reinforcement Learning with General Value Function Approximation: Provably Efficient Approach via Bounded Eluder Dimension [124.7752517531109]
一般値関数近似を用いた効率の良い強化学習アルゴリズムを確立する。我々のアルゴリズムは、$d$が複雑性測度である場合、$widetildeO(mathrmpoly(dH)sqrtT)$の後悔の限界を達成することを示す。我々の理論は線形値関数近似によるRLの最近の進歩を一般化し、環境モデルに対する明示的な仮定をしない。
論文参考訳（メタデータ） (2020-05-21T17:36:09Z)

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。