論文の概要: Free energy Estimation on Any State Space
- arxiv url: http://arxiv.org/abs/2605.31063v1
- Date: Fri, 29 May 2026 09:34:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-01 20:56:50.511375
- Title: Free energy Estimation on Any State Space
- Title（参考訳）: 任意の状態空間上の自由エネルギー推定
- Abstract要約: 最近の研究は、有限時間体制の効率を著しく加速するために神経輸送を学習している。
本稿では,この枠組みを任意の状態空間に一般化する。
提案手法の有効性と有効性を検証する実験を行った。
- 参考スコア（独自算出の注目度）: 49.560935787029564
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Free energy estimation is a fundamental yet challenging problem, from physics to statistics. Classical approaches rely on thermodynamic transformations, ranging from direct estimation, quasistatic integration, to finite-time averaging. Recent work [He and Du et al., 2025] learns neural transports to significantly accelerate the efficiency in the finite-time regime. In this paper, we generalize this framework to arbitrary state spaces. Building on this view, we develop a generalized neural transport learning approach for efficient estimation. Experiments validate the effectiveness and efficiency of the proposed method beyond continuous settings, extending to discrete and multimodal spaces as well as autoregressive settings. Beyond free energy estimation, we establish algebraic identities and reveal a group-theoretic structure linking infinitesimal time reversal and generalized Doob's $h$-transforms, showing that their compositions form a generalized dihedral group.
- Abstract（参考訳）: 自由エネルギー推定は物理学から統計まで、基本的な問題であるが難しい問題である。
古典的なアプローチは、直接推定、準静的積分、有限時間平均化など、熱力学変換に依存する。
近年の[He and Du et al , 2025] は, 有限時間状態の効率を著しく向上させるために, 神経伝達を学習している。
本稿では,この枠組みを任意の状態空間に一般化する。
この観点から、我々は効率的な推定のための一般化されたニューラルトランスポート学習アプローチを開発する。
実験により,提案手法の有効性と有効性は連続的な設定を超えて検証され,離散空間やマルチモーダル空間に拡張され,自己回帰的設定も可能となった。
自由エネルギー推定の他に、代数的アイデンティティを確立し、無限小時間反転をリンクする群論的構造を明らかにし、Doobの$h$-変換を一般化し、それらの合成が一般化二面体群を形成することを示す。
関連論文リスト
- Adiabatic Otto-like quantum thermodynamical cycle in the non-quasi-static regime [0.0]
従来のエネルギー表現では、有限レート駆動は非断熱性集団の再分配を誘導する。
この困難さはルイス=リースフェルト不変表現の力学を定式化することによって回避できることを示す。
刺激されたラマン相互作用を用いたポールトラップにおけるこの手法の実験的実装を提案する。
論文 参考訳（メタデータ） (2026-08-27T06:46:25Z) - Augmenting Imaginary-Time Evolution with Local Geometric Information [2.141079906482723]
Imaginary-time Evolution (ITE) は、量子シミュレーションと量子多体物理学における基底状態の準備のための幅広いアルゴリズムのファミリーを支える。
エネルギー景観の標準勾配流に取って代わる拡張された想像時間進化フレームワークを導入する。
結果として得られるフローは、進化全体を通して標準ITEよりも厳密に優れています。
論文 参考訳（メタデータ） (2026-06-22T20:53:36Z) - Generative optimal transport via forward-backward HJB matching [0.23332469289621782]
乱れた参照状態から構造化された目標アンサンブルへの多体系の進化を制御することは、非平衡統計力学と制御において自然に起こる。
本稿では,経路空間自由エネルギー,リスク感応制御,空間コスト幾何学の観点から,物理的に解釈可能な輸送記述を提供する枠組みを提案する。
我々の結果は、最適制御、シュルディンガー橋理論、非平衡統計力学の統一的な接続を確立する。
論文 参考訳（メタデータ） (2026-04-09T03:31:25Z) - Just-in-Time: Training-Free Spatial Acceleration for Diffusion Transformers [15.69483083441184]
拡散変換器は、画像合成における新しい最先端技術を確立したが、計算コストが高く、実用的展開を妨げている。
JiT(Just-in-Time)は空間領域の加速によってこの問題に対処する新しいトレーニングフリーフレームワークである。
JiTは空間的に近似された生成常微分方程式(ODE)を定式化し、完全な潜在状態の進化を駆動する。
論文 参考訳（メタデータ） (2026-03-11T13:16:41Z) - FEAT: Free energy Estimators with Adaptive Transport [56.65918359070768]
自由エネルギー推定のための新しいフレームワークである適応輸送を用いた自由エネルギー推定器(FEAT)を提案する。
FEATは、ガードされたジャージンスキーの等式と制御されたクルックスの定理に基づく一貫した最小分散推定器を提供する。
おもちゃの例、分子シミュレーション、量子場理論に関する実験的検証は、既存の学習法よりも改善されていることを示す。
論文 参考訳（メタデータ） (2025-04-15T15:16:18Z) - Time-dependent Neural Galerkin Method for Quantum Dynamics [39.63609604649394]
本稿では,グローバル・イン・タイムの変動原理に依存する量子力学の古典的計算手法を提案する。
我々のスキームは、Schr"odingerの方程式を強制する損失関数を最小化することにより、有限時間ウィンドウ上の状態軌道全体を計算する。
本稿では,グローバルな量子クエンチを1次元および2次元のパラダイム的横フィールドイジングモデルでシミュレートして示す。
論文 参考訳（メタデータ） (2024-12-16T13:48:54Z) - Real-time dynamics of false vacuum decay [49.1574468325115]
非対称二重井戸電位の準安定最小値における相対論的スカラー場の真空崩壊について検討した。
我々は,2粒子既約(2PI)量子実効作用の非摂動的枠組みを,Nの大規模展開において次から次へと誘導する順序で採用する。
論文 参考訳（メタデータ） (2023-10-06T12:44:48Z) - A Universal Framework for Quantum Dissipation:Minimally Extended State
Space and Exact Time-Local Dynamics [5.221249829454763]
オープン量子系の力学は、最小の拡張状態空間で定式化される。
時間局所進化方程式は、混合リウヴィル・フォック空間で生成される。
論文 参考訳（メタデータ） (2023-07-31T15:57:10Z) - D4FT: A Deep Learning Approach to Kohn-Sham Density Functional Theory [79.50644650795012]
コーンシャム密度汎関数論(KS-DFT)を解くための深層学習手法を提案する。
このような手法はSCF法と同じ表現性を持つが,計算複雑性は低下する。
さらに,本手法により,より複雑なニューラルベース波動関数の探索が可能となった。
論文 参考訳（メタデータ） (2023-03-01T10:38:10Z) - Analog cosmological reheating in an ultracold Bose gas [58.720142291102135]
超低温ボースガス中の一般宇宙論単体モデルの再加熱様ダイナミクスを量子シミュレーションする。
非相対論的極限において、拡大時空と背景振動インフラトン場を模倣する。
提案された実験は、弱い結合状態を超えても、最近まで進化を探求する可能性がある。
論文 参考訳（メタデータ） (2020-08-05T18:00:26Z) - Targeted free energy estimation via learned mappings [66.20146549150475]
自由エネルギー摂動 (FEP) は60年以上前にズワンツィヒによって自由エネルギー差を推定する方法として提案された。
FEPは、分布間の十分な重複の必要性という厳しい制限に悩まされている。
目標自由エネルギー摂動(Targeted Free Energy Perturbation)と呼ばれるこの問題を緩和するための1つの戦略は、オーバーラップを増やすために構成空間の高次元マッピングを使用する。
論文 参考訳（メタデータ） (2020-02-12T11:10:00Z)
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。