論文の概要: $p$-Body $\simeq$ Range $p-1$: Exact Order-Range Mapping and Dual-Unitarity

• arxiv url: http://arxiv.org/abs/2607.16642v1
• Date: Sat, 18 Jul 2026 05:06:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.215152
• Title: $p$-Body $\simeq$ Range $p-1$: Exact Order-Range Mapping and Dual-Unitarity
• Title（参考訳）: $p$-Body $\simeq$ Range $p-1$: Exact Order-Range Mapping and Dual-Unitarity
• Authors: Tanay Pathak,
• Abstract要約: 一次元スピン-1/2$イジングモデルの周期的蹴り版について検討した。 特定の相互作用強度において、Floquet の相互作用 $textitorder-range$ マッピングを確立する。 そして、常に解決可能な初期状態のクラスに対して、$p$-bodyモデルの正確な絡み合いのダイナミクスを決定する。
• 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 introduce and study a periodically kicked version of a one-dimensional spin-$1/2$ Ising model with contiguous $p$-body interactions. At specific interaction strengths of the model, we establish an exact Floquet interaction $\textit{order-range}$ mapping: the Floquet evolution operator of the $p$-body Ising model is exactly mapped to a two body Ising model with interactions having maximum range $p-1$ and exactly determined couplings. Upon further tuning the kicking strength, the mapped model becomes dual-unitary, thus providing an explicit family of $p$-body dual unitary models. We then determine exact entanglement dynamics of the $p$-body model for a class of solvable initial states at all times. We further illustrate the nontrivial structures that can emerge from the $\textit{order-range}$ mapping using a minimal example of $p=3$ and generalize it for all odd $p$. These findings provide a systematic route to constructing and studying $p$-body dual-unitary Floquet models.
• Abstract（参考訳）: 我々は1次元スピン=1/2$イジングモデルの周期的に蹴られたバージョンを、連続した$p$ボディ相互作用で導入し、研究する。 モデルの特定の相互作用強度において、Floquet 相互作用 $\textit{order-range}$ マッピングを確立する:$p$-body Ising モデルの Floquet 進化作用素は、最大範囲$p-1$ と正確に決定された結合を持つ相互作用を持つ2体 Ising モデルに正確にマッピングされる。 蹴りの強さをさらに調整すると、写像されたモデルは双対ユニタリとなり、$p$ボディの双対ユニタリモデルの明示的な族を与える。 そして、常に解決可能な初期状態のクラスに対して、$p$-bodyモデルの正確な絡み合いのダイナミクスを決定する。 さらに、$\textit{order-range}$写像から生じる非自明な構造を$p=3$の最小例を使って説明し、すべての奇数$p$に対して一般化する。 これらの結果は、$p$ボディの2単位Floquetモデルの構築と研究のための体系的な経路を提供する。

関連論文リスト

• Scaffolding the Strategist: Architecture-Dependent Reasoning Interventions in Hotelling Spatial Markets [0.01269104766024433]
  構造化推論の介入が大規模言語モデルの戦略的経済的推論を改善するかどうかを検討する。 GPT-4.1-mini(標準命令追従モデル)とGPT-5-mini(推論最適化モデル)を5条件で評価した。 足場型とモデルアーキテクチャ間の統計的に有意な相互作用を見出した。
  論文  参考訳（メタデータ） (2026-07-03T10:23:31Z)
• Canonicalizing Multimodal Contrastive Representation Learning [76.15228959754727]
  ここでは,CLIP,SigLIP,FLAVAなどのモデルファミリにおいて,埋め込み空間間の幾何学的関係が存在することを示す。 この発見は、後方互換性のあるモデルアップグレードを可能にし、コストのかかる再埋め込みを回避し、学習された表現のプライバシに影響を及ぼす。
  論文  参考訳（メタデータ） (2026-02-19T18:09:36Z)
• UniF$^2$ace: A Unified Fine-grained Face Understanding and Generation Model [62.66515621965686]
  本稿では,2次元離散拡散(D3Diff)損失を伴う新しい理論枠組みを導入し,離散的なスコアマッチング拡散を伴うマスク付き生成モデルを統一する。 このD3Diffは、テキスト入力に沿った高忠実度顔の詳細を合成するモデルの能力を大幅に向上させる。 提案するUniF$2$aceD-1Mは,130Kの微細な画像キャプチャ対と100Mの視覚的質問応答対からなる大規模データセットである。
  論文  参考訳（メタデータ） (2025-03-11T07:34:59Z)
• Learning Orthogonal Multi-Index Models: A Fine-Grained Information Exponent Analysis [54.57279006229212]
  情報指数は、オンライン勾配降下のサンプルの複雑さを予測する上で重要な役割を担っている。 本研究では,2次項と高次項の両方を考慮することで,まず2次項を用いて関連する空間を学習できることを示す。 オンラインSGDの全体サンプルと複雑さは$tildeO(d PL-1 )$である。
  論文  参考訳（メタデータ） (2024-10-13T00:14:08Z)
• PFGM++: Unlocking the Potential of Physics-Inspired Generative Models [14.708385906024546]
  PFGM++と呼ばれる物理に着想を得た新しい生成モデルを導入する。 これらのモデルは、$N+D$次元空間に経路を埋め込むことにより、$N$次元データの生成軌道を実現する。 有限$D$のモデルは、従来の最先端拡散モデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-02-08T18:58:02Z)
• Lessons from $O(N)$ models in one dimension [0.0]
  1つの時空次元(通常の量子力学)における$O(N)$モデルに関連する様々なトピックが考慮される。 その焦点は、より単純な文脈で量子場理論の手法を教育的に提示することである。
  論文  参考訳（メタデータ） (2021-09-14T11:36:30Z)
• Adversarial robustness against multiple $l_p$-threat models at the price of one and how to quickly fine-tune robust models to another threat model [79.05253587566197]
  対向的堅牢性を実現するために, 対向的トレーニング (AT) を単一$l_p$-threatモデルで行うことが広く議論されている。 本稿では,$l_p$-threatモデルの結合に対する対角的ロバスト性を実現するための,シンプルで効率的なトレーニング手法を開発する。
  論文  参考訳（メタデータ） (2021-05-26T12:20:47Z)
• Improving Robustness and Generality of NLP Models Using Disentangled Representations [62.08794500431367]
  スーパービジョンニューラルネットワークはまず入力$x$を単一の表現$z$にマップし、次に出力ラベル$y$にマッピングする。 本研究では,非交叉表現学習の観点から,NLPモデルの堅牢性と汎用性を改善する手法を提案する。 提案した基準でトレーニングしたモデルは、広範囲の教師付き学習タスクにおいて、より堅牢性とドメイン適応性を向上することを示す。
  論文  参考訳（メタデータ） (2020-09-21T02:48:46Z)
• Model-Based Reinforcement Learning with Value-Targeted Regression [48.92439657407732]
  我々は、遷移モデル $P$ が既知のモデルの族 $mathcalP$ に属する有限水平エピソード RL に焦点を当てる。 線形混合の特別な場合において、後悔束は $tildemathcalO(dsqrtH3T)$ という形を取る。
  論文  参考訳（メタデータ） (2020-06-01T17:47:53Z)

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。