Fugu-MT 論文翻訳(概要): Spinning Conformal Correlators from Neural Networks

論文の概要: Spinning Conformal Correlators from Neural Networks

arxiv url: http://arxiv.org/abs/2608.15001v1
Date: Sat, 15 Aug 2026 03:18:57 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-18 19:59:03.157999
Title: Spinning Conformal Correlators from Neural Networks
Title（参考訳）: ニューラルネットワークからのスピン型コンフォーマルコレレータ
Abstract要約: ニューラルネットワークと埋め込み形式から共形体を回転させて構成する。 I.d.ニューロンの特定のアンサンブルでは、無限幅極限で 4d Maxwell CFT を回復する。
参考スコア（独自算出の注目度）: 1.497481482212619
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We construct spinning conformal fields from neural networks and the embedding formalism, computing their two-, three- and four-point functions in examples, building on scalar conformal field techniques introduced in \cite{Halverson:2024axc}. For a particular ensemble of i.i.d. neurons we recover the 4d Maxwell CFT in the infinite-width limit.
Abstract（参考訳）: ニューラルネットワークと埋め込み形式から共形体を回転させ,2点,3点,4点の関数を計算し,例えば \cite{Halverson:2024axc} で導入されたスカラー共形体技術に基づいて構成する。 I.d.ニューロンの特定のアンサンブルでは、無限幅極限で 4d Maxwell CFT を回復する。

関連論文リスト

Conformal Fields from Neural Networks [1.497481482212619]
埋め込み形式を使い、$D$次元の共形体を構成する。スペクトルを解明する4次元共形ブロック分解を行う。ディープ・ネットワークへの拡張は、各層における共形場を構成する。
論文参考訳（メタデータ） (2024-09-18T18:00:00Z)
Data Topology-Dependent Upper Bounds of Neural Network Widths [52.58441144171022]
まず、3層ニューラルネットワークがコンパクトな集合上のインジケータ関数を近似するように設計可能であることを示す。その後、これは単純複体へと拡張され、その位相構造に基づいて幅の上界が導かれる。トポロジカルアプローチを用いて3層ReLUネットワークの普遍近似特性を証明した。
論文参考訳（メタデータ） (2023-05-25T14:17:15Z)
Gradient Descent in Neural Networks as Sequential Learning in RKBS [63.011641517977644]
初期重みの有限近傍にニューラルネットワークの正確な電力系列表現を構築する。幅にかかわらず、勾配降下によって生成されたトレーニングシーケンスは、正規化された逐次学習によって正確に複製可能であることを証明した。
論文参考訳（メタデータ） (2023-02-01T03:18:07Z)
Neural Wavelet-domain Diffusion for 3D Shape Generation, Inversion, and Manipulation [54.09274684734721]
本稿では,ウェーブレット領域における連続的な暗黙表現の直接生成モデルを用いて,3次元形状の生成,反転,操作を行う新しい手法を提案する。具体的には、1対の粗い係数と細部係数の体積を持つコンパクトなウェーブレット表現を提案し、トランケートされた符号付き距離関数とマルチスケールの生体直交ウェーブレットを介して3次元形状を暗黙的に表現する。エンコーダネットワークを共同でトレーニングすることで,形状を反転させる潜在空間を学習することができる。
論文参考訳（メタデータ） (2023-02-01T02:47:53Z)
High-accuracy variational Monte Carlo for frustrated magnets with deep neural networks [1.2891210250935146]
非常に深い(4-16層型)ニューラルネットワークに基づく神経量子状態は、高フラストレーション量子マグネットにおける最先端の変動的アプローチより優れていることを示す。我々は、宇宙グループ対称性を我々の「迷路」に課すことができるグループ畳み込みニューラルネットワーク(GCNN)に焦点を当てている。
論文参考訳（メタデータ） (2022-11-14T20:51:19Z)
A Functional-Space Mean-Field Theory of Partially-Trained Three-Layer Neural Networks [49.870593940818715]
本稿では,第1層がランダムで固定された3層NNモデルの無限幅限界について検討する。我々の理論はモデルの異なるスケーリング選択に対応しており、結果としてMF制限の2つの条件が顕著な振舞いを示す。
論文参考訳（メタデータ） (2022-10-28T17:26:27Z)
Tangent Bundle Filters and Neural Networks: from Manifolds to Cellular Sheaves and Back [114.01902073621577]
畳み込みを用いて、タンジェントバンドルフィルタとタンジェントバンドルニューラルネットワーク(TNN)を定義する。我々は、TNNを時間領域と空間領域の両方で識別し、その離散性は、最近導入されたSheaf Neural Networksの原則的な変種であることを示す。単体2次元球面上の接ベクトル場の復調作業における提案手法の有効性を数値的に評価する。
論文参考訳（メタデータ） (2022-10-26T21:55:45Z)
TetGAN: A Convolutional Neural Network for Tetrahedral Mesh Generation [22.302674091474838]
四面体メッシュを生成するために設計された畳み込みニューラルネットワークTetGANを提案する。我々の定式化は、四面体畳み込み、プーリング、アップサンプリング操作の定義を可能にする。本稿では,テトラヘドラルメッシュを意味的に意味のある潜在空間にエンコードする手法について述べる。
論文参考訳（メタデータ） (2022-10-11T19:03:22Z)
Linear approximability of two-layer neural networks: A comprehensive analysis based on spectral decay [4.042159113348107]
まず、単一ニューロンの場合について考察し、コルモゴロフ幅で定量化される線形近似性は、共役核の固有値崩壊によって制御されることを示す。また,2層ニューラルネットワークについても同様の結果が得られた。
論文参考訳（メタデータ） (2021-08-10T23:30:29Z)
Fully Hyperbolic Neural Networks [63.22521652077353]
ローレンツモデルに基づく双曲型ネットワークを構築するための,完全双曲型フレームワークを提案する。提案手法は,浅層ネットワークと深層ネットワークの両方を構築する上で,優れた性能を示す。
論文参考訳（メタデータ） (2021-05-31T03:36:49Z)

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。