論文の概要: Spin Hamiltonian as Matrix-Free Linear Map

• arxiv url: http://arxiv.org/abs/2606.02169v1
• Date: Mon, 01 Jun 2026 12:29:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:32.000158
• Title: Spin Hamiltonian as Matrix-Free Linear Map
• Title（参考訳）: 行列自由線型写像としてのスピンハミルトン写像
• Authors: Aditya Dev,
• Abstract要約: アルゴリズムは、ハエの状態ベクトル上のジェネリックスピンハミルトンの作用を計算する。 結果は任意のスピン格子にまたがる単項と二項項を評価するための明示的なフレームワークである。
• 参考スコア（独自算出の注目度）: 0.5076419064097734
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present an algorithm that computes the action of a generic spin Hamiltonian on a state vector on the fly, entirely avoiding explicit matrix assembly. This is achieved through mixed-radix indexing of the full tensor-product basis, which translates local spin operations into simple integer offsets. The result is an explicit framework for evaluating single- and two-site terms across arbitrary spin lattices, including mixed-spin systems. Our construction bridges the basis-indexing logic familiar from exact diagonalization with the matrix-free state-update philosophy of address-based frameworks. By writing the indexing logic in closed form, a single uniform loop applies to every site regardless of its local Hilbert-space dimension. The method is parallelizable and memory-conserving, and can be extended to restricted basis or truncated bosonic levels.
• Abstract（参考訳）: 我々は、ハエ上の状態ベクトル上のジェネリックスピンハミルトニアンの作用を計算し、明示的な行列アセンブリを完全に回避するアルゴリズムを提案する。 これは、局所スピン演算を単純な整数オフセットに変換するフルテンソル積基底の混合ラジカルインデックス化によって達成される。 その結果は、混合スピン系を含む任意のスピン格子にまたがる一点項と二点項を評価するための明示的な枠組みである。 我々の構築は、アドレスベースのフレームワークの行列のない状態更新哲学により、正確な対角化に精通したベースインデクシング論理を橋渡しします。 インデックス論理を閉形式で書くことにより、局所ヒルベルト空間次元によらず、すべての部位に一様ループが適用される。 この方法は並列化可能で、メモリ保存が可能で、制限されたベースや切り離されたボゾンレベルにまで拡張することができる。

関連論文リスト

• Sign Embedding Quantum Algorithms for Matrix Equations and Matrix Functions [4.591453488105558]
  本研究では,行列方程式と行列関数のための演算子出力量子アルゴリズムの枠組みを開発する。 通常のシルヴェスター方程式に対して、ターゲット行列解の明示的なブロックエンコーディングを提供する。 これらのアルゴリズムは、オーバーラップベースの正規化簿記を通常の方程式や一般化方程式に伝播させる。
  論文  参考訳（メタデータ） (2026-04-28T07:50:42Z)
• Primal: A Unified Deterministic Framework for Quasi-Orthogonal Hashing and Manifold Learning [0.0]
  素平方根の数論的独立性を利用して、頑健でチューニング可能なベクトル表現を構築する決定論的フレームワークであるPrimalを提案する。 提案手法はベシック特性を利用して非繰り返し位相軌道を保証する不合理周波数変調を生成する。 実験により, このフレームワークは, ランダムな行列投影法と比較して, 保持率と分布密度が優れていることを示した。
  論文  参考訳（メタデータ） (2025-11-25T20:44:34Z)
• Lindbladian reverse engineering for general non-equilibrium steady states: A scalable null-space approach [49.1574468325115]
  NESS を対象とするリンドバルディアン・マスター方程式を再構成する手法を提案する。 相関行列の核(ヌル空間)はリンドブラディアン解に対応する。 ボソニックガウスから散逸駆動の集合スピンまで、様々なシステムでこの方法を説明する。
  論文  参考訳（メタデータ） (2024-08-09T19:00:18Z)
• Efficient conversion from fermionic Gaussian states to matrix product states [48.225436651971805]
  フェミオンガウス状態から行列積状態に変換する高効率なアルゴリズムを提案する。 翻訳不変性のない有限サイズ系に対しては定式化できるが、無限系に適用すると特に魅力的になる。 この手法のポテンシャルは、2つのキラルスピン液体の数値計算によって示される。
  論文  参考訳（メタデータ） (2024-08-02T10:15:26Z)
• Covariance-based method for eigenstate factorization and generalized singlets [0.0]
  我々は、多体ハミルトニアン$H$の固有状態の正確な分解 $|Psirangle=otimes_p |psi_prangle$ に必要な十分条件を決定するための一般的な手法を導出する。 この形式は、スピン系における正確な二量化とクラスター化条件を導出するために用いられる。
  論文  参考訳（メタデータ） (2023-11-08T01:43:33Z)
• Semi-Supervised Subspace Clustering via Tensor Low-Rank Representation [64.49871502193477]
  本稿では,初期監視情報を同時に拡張し,識別親和性行列を構築することのできる,新しい半教師付きサブスペースクラスタリング手法を提案する。 6つの一般的なベンチマークデータセットの総合的な実験結果から,本手法が最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-05-21T01:47:17Z)
• Unfolding Projection-free SDP Relaxation of Binary Graph Classifier via GDPA Linearization [59.87663954467815]
  アルゴリズムの展開は、モデルベースのアルゴリズムの各イテレーションをニューラルネットワーク層として実装することにより、解釈可能で類似のニューラルネットワークアーキテクチャを生成する。 本稿では、Gershgorin disc perfect alignment (GDPA)と呼ばれる最近の線形代数定理を利用して、二進グラフの半定値プログラミング緩和(SDR)のためのプロジェクションフリーアルゴリズムをアンロールする。 実験結果から,我々の未学習ネットワークは純粋モデルベースグラフ分類器よりも優れ,純粋データ駆動ネットワークに匹敵する性能を示したが,パラメータははるかに少なかった。
  論文  参考訳（メタデータ） (2021-09-10T07:01:15Z)
• Fused-Lasso Regularized Cholesky Factors of Large Nonstationary Covariance Matrices of Longitudinal Data [0.0]
  大きな共分散行列のコレスキー因子のサブ対角線の滑らかさは、時系列および長手データに対する自己回帰モデルの非定常度の度合いと密接に関連している。 行ごとに分離するColesky因子のスパース推定アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-07-22T02:38:16Z)
• Neural Subdivision [58.97214948753937]
  本稿では,データ駆動型粗粒度モデリングの新しいフレームワークであるNeural Subdivisionを紹介する。 すべてのローカルメッシュパッチで同じネットワーク重みのセットを最適化するため、特定の入力メッシュや固定属、カテゴリに制約されないアーキテクチャを提供します。 単一の高分解能メッシュでトレーニングしても,本手法は新規な形状に対して合理的な区分を生成する。
  論文  参考訳（メタデータ） (2020-05-04T20:03:21Z)
• Localized sketching for matrix multiplication and ridge regression [29.61816941867831]
  局所的スケッチの新たな設定において,スケッチ化された近似行列乗法とリッジ回帰を考察する。 緩やかな条件下では、ブロック対角線スケッチ行列はO(安定ランク/エプシロン2)と$O(stat. dim. epsilon)$の値のみを必要とする。
  論文  参考訳（メタデータ） (2020-03-20T04:25:32Z)

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。