論文の概要: Neural Autoregressive Control Variates for the Quantum Monte Carlo Sign Problem
- arxiv url: http://arxiv.org/abs/2605.26814v1
- Date: Tue, 26 May 2026 10:30:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-27 17:51:41.881161
- Title: Neural Autoregressive Control Variates for the Quantum Monte Carlo Sign Problem
- Title（参考訳）: 量子モンテカルロ符号問題に対するニューラル自己回帰制御
- Authors: Bei Qiao, Lei Wang,
- Abstract要約: 量子モンテカルロシミュレーションにおいて,符号問題を緩和するために,2組の自己回帰モデルを訓練する。
2つの自己回帰的ネットワークは、厳密に非結合な支持を持つ正と負の符号セクターに限られる。
それらの差は構造的にゼロ平均であり、符号推定器との相関が分散還元を制御する補助観測器を提供する。
- 参考スコア（独自算出の注目度）: 2.3717692810269586
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We train a pair of autoregressive models to construct zero-mean control variates to mitigate the sign problem in quantum Monte Carlo simulations. The two autoregressive networks are confined to the positive- and negative-sign sectors with strictly disjoint support, and each is exactly normalized over its sector. Their difference is therefore structurally zero-mean, providing an unbiased auxiliary observable whose correlation with the sign estimator controls the variance reduction. We implement the method within the stochastic series expansion framework, which we extend to frustrated lattices by developing an incremental loop-topology update. Sign-ergodic sampling is achieved through a twist channel, which is the unique sign-changing mechanism on non-bipartite lattices. We implement the control variates as autoregressive transformers with an end-of-sequence parity mask that enforces exact sign-sector resolution, while the incremental loop-count change and cumulative frustration parity are incorporated as topological features. On the triangular-lattice Heisenberg antiferromagnet, we benchmark the method in the small-$N$ limit. The control variate reduces the standard error of the average sign by up to an order of magnitude and that of the energy estimator by a factor of three to five, remaining effective even when the average sign drops below $10^{-3}$. This work lays out the framework and provides a proof-of-principle demonstration that autoregressive control variates can effectively mitigate the sign problem. Scaling to larger systems with physics-informed architectures is the subject of future work.
- Abstract（参考訳）: 量子モンテカルロシミュレーションにおける符号問題を緩和するために、ゼロ平均制御変数を構築するために、一対の自己回帰モデルを訓練する。
2つの自己回帰的ネットワークは、厳密に不整合なサポートを持つ正負符号セクターに限られており、それぞれがそのセクターで完全に正規化されている。
したがって、それらの差は構造的にゼロ平均であり、符号推定器との相関が分散還元を制御する非バイアスの補助観測器を提供する。
本手法は,漸進的なループトポロジー更新を開発することでフラストレーションのある格子に拡張する確率級展開フレームワーク内に実装する。
符号エルゴードサンプリングは、非二部格子上の一意な符号変化機構であるツイストチャネルによって達成される。
本研究では, 逐次ループ数変化と累積フラストレーションパリティをトポロジ的特徴として組み込むとともに, 正確なシグメンタ分解を強制する逐次パリティマスクを備えた自己回帰変圧器として制御変圧器を実装した。
三角格子型ハイゼンベルク反強磁性体では、この方法を小さなN$制限でベンチマークする。
制御変数は平均符号の標準誤差を最大1桁、エネルギー推定器の標準誤差を3倍から5倍に減らし、平均符号が10〜3分の1以下になった場合でも有効である。
この研究は、このフレームワークをレイアウトし、自己回帰制御のバラツキがサイン問題を効果的に軽減できる実証実証を提供する。
物理インフォームドアーキテクチャによる大規模システムへのスケーリングは、将来の作業の主題である。
関連論文リスト
- Engineering Verifiable Modularity in Transformers via Per-Layer Supervision [0.0]
分散冗長性は損傷を補うため、資本化にとって重要なものとして認識される注目ヘッドを非難することは、最小限の行動変化をもたらす。
アーキテクチャの介入が隠されたモジュール性を公開することを実証します。
このことは、受動的観察から能動的制御への解釈可能性変換の方法論を台無しにしている。
論文 参考訳（メタデータ） (2026-03-08T05:18:14Z) - On the Mechanism and Dynamics of Modular Addition: Fourier Features, Lottery Ticket, and Grokking [49.1352577985191]
本稿では,2層ニューラルネットワークがモジュール追加タスクを解くために,機能をどのように学習するかを包括的に分析する。
我々の研究は、学習したモデルの完全な機械論的解釈と、その訓練力学の理論的説明を提供する。
論文 参考訳（メタデータ） (2026-02-18T20:25:13Z) - Generalizing GNNs with Tokenized Mixture of Experts [75.8310720413187]
安定性の向上には,変化に敏感な特徴への依存を低減し,既約最悪の一般化フロアを残す必要があることを示す。
本研究では,STEM-GNNを提案する。STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN。
9つのノード、リンク、グラフのベンチマークで、STEM-GNNはより強力な3方向バランスを実現し、クリアグラフ上での競争力を維持しながら、次数/ホモフィリーシフトや特徴/エッジの破損に対する堅牢性を改善している。
論文 参考訳（メタデータ） (2026-02-09T22:48:30Z) - Analysis of Hessian Scaling for Local and Global Costs in Variational Quantum Algorithm [0.42970700836450487]
変分量子アルゴリズムにおけるヘッセンのエントリーワイズ解の定量化を行う。
ショットノイズに対してヘッセン成分を解くのに必要なサンプルの複雑さを規定する2つの異なるスケーリング機構を示す。
論文 参考訳（メタデータ） (2026-01-31T15:49:23Z) - Variational Bayesian Flow Network for Graph Generation [54.94088904387278]
グラフ生成のための変分ベイズフローネットワーク(VBFN)を提案する。
VBFNは、構造化精度で支配されるトラクタブルジョイントガウス変分信念ファミリーに対して変分リフトを行う。
合成グラフと分子グラフのデータセットでは、VBFNは忠実度と多様性を改善し、ベースライン法を超えている。
論文 参考訳（メタデータ） (2026-01-30T03:59:38Z) - Verifying Closed-Loop Contractivity of Learning-Based Controllers via Partitioning [52.23804865017831]
本稿では,ニューラルネットワークによるパラメータ化を行う非線形制御系における閉ループ収縮の検証問題に対処する。
我々は、対称メッツラー行列の優越的固有値が非正であることを確かめるために、閉ループの縮約性に対するトラクタブルでスケーラブルな十分条件を導出する。
論文 参考訳（メタデータ） (2025-12-01T23:06:56Z) - Closed-Loop Transformers: Autoregressive Modeling as Iterative Latent Equilibrium [0.6820746164515952]
閉ループ予測の原理を導入し、自己整合平衡に達するまで、モデルが反復的に潜在表現を洗練することを要求する。
この原理をEquilibrium Transformerとしてインスタンス化し,標準トランス層をEquilibrium Refinement Moduleで拡張する。
バイナリパリティタスクに関する予備実験では、チャレンジシーケンスの平均改善率は+3.28%で、標準トランスフォーマーがランダムなパフォーマンスに近づくと+8.07%に達する。
論文 参考訳（メタデータ） (2025-11-26T20:02:59Z) - Mitigating the sign problem by quantum computing [0.0]
有名なサイン問題は量子モンテカルロ(QMC)シミュレーションの適用性を著しく制限している。
量子計算級数展開法(qc-SSE)の最近の提案は、ハミルトニアンに一定のエネルギーシフトを導入することで、この問題を避けることができることを示唆している。
ここでは、この枠組みを批判的に検証し、非可換項を持つハミルトニアンの符号問題を厳密には解決しないことを示す。
論文 参考訳（メタデータ） (2025-09-16T12:44:55Z) - A Signed Graph Approach to Understanding and Mitigating Oversmoothing in GNNs [54.62268052283014]
署名されたグラフの枠組みに基づく統一的な理論的視点を示す。
既存の戦略の多くは、メッセージパッシングを変えて過度な操作に抵抗する負のエッジを暗黙的に導入している。
本稿では,ラベルや特徴の類似性に基づいて署名されたエッジを割り当てるプラグイン・アンド・プレイ方式であるStructure Balanced Propagation (SBP)を提案する。
論文 参考訳（メタデータ） (2025-02-17T03:25:36Z) - The Sample Complexity of One-Hidden-Layer Neural Networks [57.6421258363243]
本研究では,スカラー値を持つ一層ネットワークのクラスとユークリッドノルムで有界な入力について検討する。
隠蔽層重み行列のスペクトルノルムの制御は、一様収束を保証するには不十分であることを示す。
スペクトルノルム制御が十分であることを示す2つの重要な設定を解析する。
論文 参考訳（メタデータ） (2022-02-13T07:12:02Z)
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。