Fugu-MT 論文翻訳(概要): Neural Network Field Theory at Finite Width

論文の概要: Neural Network Field Theory at Finite Width

arxiv url: http://arxiv.org/abs/2608.21588v1
Date: Fri, 21 Aug 2026 19:43:46 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-25 18:24:36.912351
Title: Neural Network Field Theory at Finite Width
Title（参考訳）: 有限幅のニューラルネットワーク場理論
Abstract要約: NN-QM と NN-FT モデルの特徴を,幅$N infty$ のフィードフォワードネットワークなど,有限個のパラメータで検討する。一般論として、そのようなモデルは、正則性やクラスター分解といった従来のユークリッド QFT の性質に反しなくてはならない。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Under mild assumptions, any quantum mechanical (QM) model or quantum field theory (QFT) admits a representation in terms of an ensemble of neural networks with countably many random parameters. We investigate the features of NN-QM and NN-FT models with finitely many parameters, such as a feedforward network of width $N < \infty$. We find that, generically, such models must violate one of the properties of conventional Euclidean QFTs, such as reflection positivity or cluster decomposition. We present several complementary ways of understanding which features can and cannot be preserved at finite $N$, both in QM and in QFT.
Abstract（参考訳）: 軽微な仮定の下では、量子力学(QM)モデルや量子場理論(QFT)は、無数に多くのランダムパラメータを持つニューラルネットワークの集合の表現を許容する。 NN-QM と NN-FT モデルの特徴を,幅$N < \infty$ のフィードフォワードネットワークなど,有限個のパラメータで検討する。一般論として、そのようなモデルは、反射陽性やクラスター分解のような従来のユークリッド QFT の性質に反するものでなければならない。我々は、QM と QFT の両方において有限$N$で保存できる特徴と保存できない特徴を相補的に理解する方法をいくつか提示する。

関連論文リスト

SAQNN: Spectral Adaptive Quantum Neural Network as a Universal Approximator [9.421297782377676]
近年,量子機械学習 (QML) が注目されている。現在、量子ニューラルネットワーク(QNN)の表現性に関する不完全な理論的基礎のため、この分野全体が課題に直面している。
論文参考訳（メタデータ） (2026-02-10T12:22:02Z)
Viability of perturbative expansion for quantum field theories on neurons [0.0]
無限のニューロン数制限では、単層NNは局所量子場理論を正確に再現することができる。再正規化された$O(1/N)$を2点と4点の相関子に補正すると、紫外線遮断に敏感な摂動列が得られる。我々は,この収束性を改善するためにアーキテクチャの変更を提案し,理論のパラメータとNのスケーリングに関する制約について議論し,正確な場の理論結果の抽出を可能にする。
論文参考訳（メタデータ） (2025-08-05T18:00:31Z)
Probing Quantum Spin Systems with Kolmogorov-Arnold Neural Network Quantum States [0.0]
量子力学的波動関数を表現するニューラルネットワークモデルであるtexttSineKAN を提案する。 textttSineKANモデルは,計算コストを最小限に抑えて高精度かつ高精度にトレーニングできることが判明した。
論文参考訳（メタデータ） (2025-06-02T17:18:40Z)
Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
ランダム量子スピン系の進化をモデル化するためにFNOを用いる。量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
論文参考訳（メタデータ） (2024-09-05T07:18:09Z)
Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
論文参考訳（メタデータ） (2022-12-21T19:00:04Z)
Theoretical Guarantees for Permutation-Equivariant Quantum Neural Networks [0.0]
等変量子ニューラルネットワーク(QNN)の構築方法を示す。我々は、不毛の高原に苦しめられず、すぐに過度なパラメータ化に達し、少量のデータからよく一般化されることを証明した。我々の研究は、同変QNNに対する最初の理論的保証を提供し、GQMLの極端なパワーとポテンシャルを示している。
論文参考訳（メタデータ） (2022-10-18T16:35:44Z)
Theory for Equivariant Quantum Neural Networks [0.0]
本質的に任意の対称性群に対して等変量子ニューラルネットワーク(EQNN)を設計するための理論的枠組みを提案する。私たちのフレームワークは、量子機械学習のほぼすべての領域に簡単に適用できます。
論文参考訳（メタデータ） (2022-10-16T15:42:21Z)
Symmetric Pruning in Quantum Neural Networks [111.438286016951]
量子ニューラルネットワーク(QNN)は、現代の量子マシンの力を発揮する。ハンドクラフト対称アンサーゼを持つQNNは、一般に非対称アンサーゼを持つものよりも訓練性が高い。本稿では,QNNのグローバル最適収束を定量化するために,実効量子ニューラルネットワークカーネル(EQNTK)を提案する。
論文参考訳（メタデータ） (2022-08-30T08:17:55Z)
Universal approximation property of invertible neural networks [76.95927093274392]
Invertible Neural Network (INN) は、設計によって可逆性を持つニューラルネットワークアーキテクチャである。その可逆性とヤコビアンのトラクタビリティのおかげで、IGNは確率的モデリング、生成的モデリング、表現的学習など、さまざまな機械学習応用がある。
論文参考訳（メタデータ） (2022-04-15T10:45:26Z)
On the learnability of quantum neural networks [132.1981461292324]
本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
論文参考訳（メタデータ） (2020-07-24T06:34:34Z)
Tensor network models of AdS/qCFT [69.6561021616688]
準周期共形場理論(qCFT)の概念を導入する。離散ホログラフィーのパラダイムに属するものとして,qCFTが最適であることを示す。
論文参考訳（メタデータ） (2020-04-08T18:00:05Z)

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。