Fugu-MT 論文翻訳(概要): A TQFT-based Platform for Efficient Computation of Knot Invariants

論文の概要: A TQFT-based Platform for Efficient Computation of Knot Invariants

arxiv url: http://arxiv.org/abs/2607.23551v1
Date: Sun, 26 Jul 2026 09:09:41 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-28 22:34:15.147942
Title: A TQFT-based Platform for Efficient Computation of Knot Invariants
Title（参考訳）: 結び目不変量の効率的な計算のためのTQFTベースのプラットフォーム
Abstract要約: 本稿では,ファインマンリボン図 (FRD) と高階チャーン-シモンズ結び目の不変量の評価,および高い交差数でのFRD様結び目の同定を行う対話型Webプラットフォームを提案する。単一の視覚環境内では、FRDをテンソルネットワークとして構築し、関連するChern-Simons不変量を評価し、その結果の不変データを使用して対応する結び目の識別と識別を行うことができる。
参考スコア（独自算出の注目度）: 0.8770825039504507
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present an interactive web platform that unifies the construction Feynman ribbon diagrams (FRDs), the evaluation of higher-rank Chern--Simons knot invariants, and the identification of FRD-like knots at higher crossing numbers. These tree-structured diagrams naturally represent arborescent knots, which we refer to throughout as FRD-like knots. Within a single visual environment, users can construct an FRD as a tensor network, evaluate its associated Chern--Simons invariants, and use the resulting invariant data to distinguish and identify the corresponding knot. To our knowledge, this is the first platform to combine diagrammatic construction, tensor-network evaluation, invariant computation, and knot identification within a unified workflow.
Abstract（参考訳）: 本稿では,ファインマンリボン図 (FRD) と高階チャーン-シモンズ結び目の不変量の評価,および高い交差数でのFRD様結び目の同定を行う対話型Webプラットフォームを提案する。これらの木構造図形は自然にアーボラッセンス結び目を表すもので、FRDのような結び目と呼ばれる。単一の視覚環境内では、FRDをテンソルネットワークとして構築し、関連するChern-Simons不変量を評価し、その結果の不変データを使用して対応する結び目の識別と識別を行うことができる。我々の知る限り、これは図式構築、テンソルネットワーク評価、不変計算、および統合ワークフロー内の結び目識別を組み合わせた最初のプラットフォームである。

関連論文リスト

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)
Variational autoencoders understand knot topology [0.0]
結び目分類のためのハイブリッド型教師あり/教師なし機械学習手法を提案する。その潜在表現における結び目の巧妙な構成は、VAECが複雑なトポロジカルな概念を把握したことを示唆している。本研究は, 絡み合ったフィラメントのトポロジカルな特徴を捉えるために, ハイブリッド型教師付き生成型MLアルゴリズムの有効性を示すものである。
論文参考訳（メタデータ） (2025-04-05T13:55:13Z)
SEGMN: A Structure-Enhanced Graph Matching Network for Graph Similarity Learning [4.506862318909861]
グラフ類似度計算(GSC)は、2つのグラフ間の類似度スコアの定量化を目的としている。構造強化グラフマッチングネットワーク(SEGMN)を提案する。二重埋め込み学習モジュールは、隣接するエッジ表現を各ノードに組み込んで構造強化表現を実現する。構造知覚マッチングモジュールは、代入グラフ畳み込みによるクロスグラフ構造拡張を実現する。
論文参考訳（メタデータ） (2024-11-06T02:45:16Z)
Transfer Entropy in Graph Convolutional Neural Networks [0.0]
グラフ畳み込みネットワーク(Graph Convolutional Networks、GCN)は、グラフ上に畳み込みを適用するグラフニューラルネットワークである。本研究は,GCNに関する2つの重要な課題に対処する。オーバースムーシング(Oversmoothing)とは、繰り返しの集約の結果、ノードの識別能力が低下することである。本稿では,2つの時間変化ノード間の情報転送量を測定するTransfer Entropy (TE) に基づくGCNにおけるこれらの課題に対処するための新しい戦略を提案する。
論文参考訳（メタデータ） (2024-06-08T20:09:17Z)
Double Equivariance for Inductive Link Prediction for Both New Nodes and New Relation Types [8.585879006426497]
二重置換同変表現の概念を導入し,その有効性能を実証する。二重置換同変表現に固有の制約を同定し、これらのモデルが効果的に学習する能力を制限する。二重置換同変モデルと、すべての領域にまたがるパターンを学習するために設計された基礎モデルの概念の間には、根本的なギャップが残っている。
論文参考訳（メタデータ） (2023-02-02T18:39:30Z)
Bayesian Structure Learning with Generative Flow Networks [85.84396514570373]
ベイズ構造学習では、データから有向非巡回グラフ(DAG)上の分布を推定することに興味がある。近年,ジェネレーティブ・フロー・ネットワーク(GFlowNets)と呼ばれる確率モデルのクラスが,ジェネレーティブ・モデリングの一般的なフレームワークとして紹介されている。 DAG-GFlowNetと呼ばれる本手法は,DAGよりも後方の正確な近似を提供する。
論文参考訳（メタデータ） (2022-02-28T15:53:10Z)
A Variational Edge Partition Model for Supervised Graph Representation Learning [51.30365677476971]
本稿では,重なり合うノード群間の相互作用を集約することで,観測されたエッジがどのように生成されるかをモデル化するグラフ生成プロセスを提案する。それぞれのエッジを複数のコミュニティ固有の重み付きエッジの和に分割し、コミュニティ固有のGNNを定義する。エッジを異なるコミュニティに分割するGNNベースの推論ネットワーク,これらのコミュニティ固有のGNN,およびコミュニティ固有のGNNを最終分類タスクに組み合わせたGNNベースの予測器を共同で学習するために,変分推論フレームワークを提案する。
論文参考訳（メタデータ） (2022-02-07T14:37:50Z)
On the Power of Gradual Network Alignment Using Dual-Perception Similarities [14.779474659172923]
ネットワークアライメント(NA)は、ネットワーク構造とノード属性に基づいて、2つのネットワーク間のノードの対応を見つけるタスクである。我々の研究は、既存のNA手法のほとんどが一度に全てのノード対を発見しようとしたため、ノード対応の暫定的な発見によって得られた情報を利用していないという事実に動機づけられている。強い一貫性を示すノード対をフル活用することにより、ノード対を徐々に発見する新しいNA法であるGrad-Alignを提案する。
論文参考訳（メタデータ） (2022-01-26T14:01:32Z)
Self-Supervised Graph Representation Learning via Topology Transformations [61.870882736758624]
本稿では,グラフデータのノード表現のための自己教師型学習の一般的なパラダイムであるトポロジー変換同変表現学習について述べる。実験では,提案手法を下流ノードおよびグラフ分類タスクに適用し,提案手法が最先端の教師なし手法より優れていることを示す。
論文参考訳（メタデータ） (2021-05-25T06:11:03Z)
Tree-based Node Aggregation in Sparse Graphical Models [3.7311680121118336]
グラフィカルモデルのノードを集約することで,より単純なネットワークを生成できることを示す。木集合型グラフィカルラッソやタグラッソと呼ばれる新しい凸正規化手法を開発し、エッジスパースとノード集約の両方のグラフィカルモデルを推定する。
論文参考訳（メタデータ） (2021-01-29T10:17:31Z)
Gauge Equivariant Mesh CNNs: Anisotropic convolutions on geometric graphs [81.12344211998635]
メッシュ上の畳み込みを定義する一般的なアプローチは、それらをグラフとして解釈し、グラフ畳み込みネットワーク(GCN)を適用することである。本稿では、GCNを一般化して異方性ゲージ同変カーネルを適用するGauge Equivariant Mesh CNNを提案する。本実験は,従来のGCNおよび他の手法と比較して,提案手法の表現性を大幅に向上することを示した。
論文参考訳（メタデータ） (2020-03-11T17:21:15Z)
Graph Inference Learning for Semi-supervised Classification [50.55765399527556]
半教師付きノード分類の性能を高めるためのグラフ推論学習フレームワークを提案する。推論過程の学習には,トレーニングノードから検証ノードへの構造関係のメタ最適化を導入する。 4つのベンチマークデータセットの総合的な評価は、最先端の手法と比較して提案したGILの優位性を示している。
論文参考訳（メタデータ） (2020-01-17T02:52:30Z)

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。