論文の概要: Leg-Tied Tensor Network States: Entanglement Beyond Virtual Bonds
- arxiv url: http://arxiv.org/abs/2609.30101v1
- Date: Thu, 24 Sep 2026 16:44:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 21:10:10.125742
- Title: Leg-Tied Tensor Network States: Entanglement Beyond Virtual Bonds
- Title（参考訳）: レッグタイド・テンソル・ネットワーク:バーチャル・ボンドを超越した絡み合い
- Abstract要約: 局所テンソル間で物理脚が共有されるテンソル・ネットワーク状態のクラスを,LETTA(Leg-tied Tenor Anstze)と呼ぶ。
物理的脚縛りは長距離相関を直接符号化する一方、仮想行列積状態(MPS)バックボーンは短距離多部絡みを保持する。
LETTAは、仮想結合を超えた長距離相関を符号化できる明示的に相関したテンソルネットワーク状態の扉を開く。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce a class of tensor-network states in which physical legs are shared among local tensors, termed leg-tied tensor ansätze (LETTA). Physical leg ties encode long-range correlations directly, while a virtual matrix product state (MPS) backbone retains short-range multipartite entanglement. The linear virtual backbone allows us to develop a deterministic density matrix renormalization group-like variational optimization algorithm using exact contractions over the active tie-boundary sets and local minimization. We demonstrate the advantages of LETTA for the two-dimensional frustrated $J_1$--$J_2$ Heisenberg model and the three-dimensional transverse-field Ising model. Our results show that LETTA is substantially more accurate than same-bond-dimension MPS calculations and can typically reach the accuracy of much larger MPS calculations using one order of magnitude fewer variational parameters. LETTA thus opens the door for explicitly correlated tensor-network states that can encode long-range correlation beyond virtual bonds.
- Abstract（参考訳）: 本稿では,局所テンソル間で物理的脚が共有されるテンソル・ネットワーク状態のクラスを,Let-tied tensor ansätze (LETTA)と呼ぶ。
物理的脚縛りは長距離相関を直接符号化する一方、仮想行列積状態(MPS)バックボーンは短距離多部絡みを保持する。
線形仮想バックボーンにより、アクティブなタイ境界集合上の正確な収縮と局所最小化を用いた決定論的密度行列再正規化群様変分最適化アルゴリズムを開発することができる。
We demonstrate the advantage of LETTA for the two-dimensional frustrated $J_1$-$J_2$ Heisenberg model and the three-dimensional transverse-field Ising model。
以上の結果から,LETTAは同一次元MPS計算よりもかなり精度が高く,大域的なMPS計算の精度に到達できることが示唆された。
したがって、LETTAは仮想結合を超えた長距離相関を符号化できる明示的に相関したテンソル・ネットワーク状態の扉を開く。
関連論文リスト
- WUSH: Near-Optimal Adaptive Transforms for LLM Quantization [52.77441224845925]
低ビット幅への量子化は、大きな言語モデルをデプロイするための標準的なアプローチである。
いくつかの極端な重みと活性化は、ダイナミックレンジを拡張し、量子化器の有効分解能を減少させる。
結合重みアクティベーション量子化のための閉形式最適線形ブロックワイズ変換を初めて導出する。
論文 参考訳（メタデータ） (2025-11-30T16:17:34Z) - A Further Comparison of TD-DMRG and ML-MCTDH for Nonadiabatic Dynamics of Exciton Dissociation [2.0480965608306305]
最近の研究では、exitonconfigurationの計算で最大60%の相違が報告されている。
ベンチマークP3HT:PCBMヘテロ接合モデルを再検討することにより、観察された相違は主に結合寸法の不足から生じることを示す。
その結果,結合次元が適切にスケールされている場合,両手法が数値的に正確な解に収束することが確認できた。
論文 参考訳（メタデータ） (2025-08-30T10:53:51Z) - Low-Rank Tensor Recovery via Variational Schatten-p Quasi-Norm and Jacobian Regularization [49.85875869048434]
暗黙的神経表現のためのニューラルネットワークによりパラメータ化されたCPベースの低ランクテンソル関数を提案する。
本研究では、スペーサーCP分解を実現するために、冗長なランク1成分に変分Schatten-p quasi-normを導入する。
滑らか性のために、ヤコビアンとハッチンソンのトレース推定器のスペクトルノルムに基づく正規化項を提案する。
論文 参考訳（メタデータ） (2025-06-27T11:23:10Z) - Interpretable Scaling Behavior in Sparse Subnetwork Representations of Quantum States [0.46603287532620735]
パラメータ数が1桁を超えると、スパースニューラルネットワークは密度の高いニューラルネットワークに匹敵する精度に達することが示される。
ネットワークサイズと物理モデルにまたがって持続する普遍的なスケーリングの挙動を同定し、そこではスケーリング領域の境界は、基礎となるハミルトニアンによって決定される。
論文 参考訳（メタデータ） (2025-05-28T18:00:08Z) - Isometric tensor network optimization for extensive Hamiltonians is free
of barren plateaus [0.0]
等尺テンソルネットワーク状態(TNS)のエネルギー最適化にはバレンプラトーが存在しないことを示す。
TNSは、強相関量子物質の効率的な量子計算に基づく研究に期待できるルートである。
論文 参考訳（メタデータ） (2023-04-27T16:45:57Z) - Learning Cross-view Geo-localization Embeddings via Dynamic Weighted
Decorrelation Regularization [52.493240055559916]
クロスビュージオローカライゼーションは、ドローンプラットフォームと衛星プラットフォームという2つのプラットフォームから撮影された同じ位置の画像を見つけることを目的としている。
既存の手法は、通常、特徴空間内の他のものとの埋め込み距離を最適化することに焦点を当てる。
本稿では、低冗長性も重要であり、モデルがより多様なパターンをマイニングする動機となっていると論じる。
論文 参考訳（メタデータ） (2022-11-10T02:13:10Z) - ACDC: Weight Sharing in Atom-Coefficient Decomposed Convolution [57.635467829558664]
我々は,CNNにおいて,畳み込みカーネル間の構造正則化を導入する。
我々はCNNがパラメータや計算量を劇的に減らして性能を維持していることを示す。
論文 参考訳（メタデータ） (2020-09-04T20:41:47Z) - Controllable Orthogonalization in Training DNNs [96.1365404059924]
直交性はディープニューラルネットワーク(DNN)のトレーニングに広く用いられている。
本稿では,ニュートン反復(ONI)を用いた計算効率が高く,数値的に安定な直交化法を提案する。
本稿では,画像分類ネットワークの性能向上のために,最適化の利点と表現能力の低下との間に最適なトレードオフを与えるために,直交性を効果的に制御する手法を提案する。
また、ONIは、スペクトル正規化と同様に、ネットワークのリプシッツ連続性を維持することにより、GAN(Generative Adversarial Network)のトレーニングを安定化させることを示した。
論文 参考訳（メタデータ） (2020-04-02T10:14:27Z)
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。