論文の概要: Sampling the XY model with an attention-based neural network

• arxiv url: http://arxiv.org/abs/2610.23783v1
• Date: Fri, 16 Oct 2026 17:16:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:08.033853
• Title: Sampling the XY model with an attention-based neural network
• Title（参考訳）: 注意型ニューラルネットワークによるXYモデルのサンプリング
• Abstract要約: 連続的な自由度を持つ格子系をサンプリングするための変圧器に基づく変分自己回帰ネットワークを提案する。 ベレジンスキー-コステリッツ-トゥーレス転移に近い2次元XYモデルに適用する。 得られたサンプリング器は、既存のニューラルサンプリング器を著しく上回る。
• 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 present a transformer-based variational autoregressive network for sampling lattice systems with continuous degrees of freedom and apply it to the two-dimensional XY model near the Berezinskii-Kosterlitz-Thouless transition. The architecture is combined with physics-informed ingredients: locality-informed attention and approximate probabilities. The resulting sampler significantly outperforms existing neural samplers. We train the model on lattices up to $96\times96$, verify with a mode-dropping estimator that no parts of the configuration space are missed, and reproduce the energy, magnetization and helicity modulus obtained with the traditional Markov Chain Monte Carlo algorithm.
• Abstract（参考訳）: 連続的な自由度を持つ格子系をサンプリングするための変圧器に基づく変分自己回帰ネットワークを提案し,それをベレジンスキー-コステリッツ-トゥーレス遷移近傍の2次元XYモデルに適用する。 このアーキテクチャは、局所性インフォームド・アテンションと近似確率という物理インフォームド・マテリアルと組み合わせられている。 得られたサンプリング器は、既存のニューラルサンプリング器を著しく上回る。 格子上で最大9,6\times96$までモデルをトレーニングし、構成空間の一部が欠落しないモードドロップピング推定器を用いて検証し、伝統的なマルコフチェインモンテカルロアルゴリズムで得られたエネルギー、磁化、ヘリシティ係数を再現する。

関連論文リスト

• Diffusion-warm sampling of the XY model enables fast thermalization at scale [1.9116784879310027]
  拡散モデルを用いた連続対称性を持つスピン系状態のスケーラブルサンプリング手法を提案する。 本手法はマルコフ連鎖モンテカルロの様々なシステムサイズへの一般化における欠点に対処するものである。
  論文  参考訳（メタデータ） (2026-06-29T18:06:09Z)
• Latent Space Energy-based Neural ODEs [73.01344439786524]
  本稿では,連続時間列を表現するために設計された新しい深部力学モデルを提案する。 マルコフ連鎖モンテカルロの最大推定値を用いてモデルを訓練する。 振動系, ビデオ, 実世界の状態系列(MuJoCo)の実験結果から, 学習可能なエネルギーベース先行モデルの方が既存のモデルより優れていることが示された。
  論文  参考訳（メタデータ） (2024-09-05T18:14:22Z)
• Enhancing lattice kinetic schemes for fluid dynamics with Lattice-Equivariant Neural Networks [79.16635054977068]
  我々はLattice-Equivariant Neural Networks (LENNs)と呼ばれる新しい同変ニューラルネットワークのクラスを提案する。 我々の手法は、ニューラルネットワークに基づく代理モデルLattice Boltzmann衝突作用素の学習を目的とした、最近導入されたフレームワーク内で開発されている。 本研究は,実世界のシミュレーションにおける機械学習強化Lattice Boltzmann CFDの実用化に向けて展開する。
  論文  参考訳（メタデータ） (2024-05-22T17:23:15Z)
• Equivariant Neural Networks for Spin Dynamics Simulations of Itinerant Magnets [0.0]
  2次元正方格子および三角形格子上での2つの近藤格子モデルに対する同変ニューラルネットワークを実装した。 三角格子におけるスカイミオン結晶の相転移を再現する能力を示す。
  論文  参考訳（メタデータ） (2023-05-05T19:13:00Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Predicting Dynamics of Transmon Qubit-Cavity Systems with Recurrent Neural Networks [0.0]
  マスター方程式の解に基づく現在のモデルは、プレイで非マルコフ力学を捉えるのに十分ではない。 本稿では、繰り返しニューラルネットワークを用いて、結合したトランペット量子ビットキャビティシステムに対するリンドブラッドマスター方程式の効率的な解を求める方法を提案する。
  論文  参考訳（メタデータ） (2021-09-29T15:02:23Z)
• Sampling in Combinatorial Spaces with SurVAE Flow Augmented MCMC [83.48593305367523]
  ハイブリッドモンテカルロ(Hybrid Monte Carlo)は、複素連続分布からサンプリングする強力なマルコフ連鎖モンテカルロ法である。 本稿では,SurVAEフローを用いたモンテカルロ法の拡張に基づく新しい手法を提案する。 本稿では,統計学,計算物理学,機械学習など,様々な分野におけるアルゴリズムの有効性を実証し,代替アルゴリズムと比較した改良点を考察する。
  論文  参考訳（メタデータ） (2021-02-04T02:21:08Z)
• Anomaly Detection of Time Series with Smoothness-Inducing Sequential Variational Auto-Encoder [59.69303945834122]
  Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。 我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。 合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
  論文  参考訳（メタデータ） (2021-02-02T06:15:15Z)
• Generative Neural Samplers for the Quantum Heisenberg Chain [0.3655021726150368]
  生成神経サンプラーは、統計物理学や量子場理論における問題に対するモンテカルロ法を補完するアプローチを提供する。 本研究は、実世界の低次元スピン系の可観測性を推定する生成神経サンプラーの能力をテストする。
  論文  参考訳（メタデータ） (2020-12-18T14:28:13Z)
• Machine-Learning Study using Improved Correlation Configuration and Application to Quantum Monte Carlo Simulation [4.2056926734482065]
  我々は,Fortuin-Kasteleyn表現に基づく相関構成の改良推定器を,通常の相関構成の代替として利用する。 量子XYモデルの分類は,古典的XYモデルのトレーニングデータを用いて行うことができることを示す。
  論文  参考訳（メタデータ） (2020-07-29T11:00:57Z)

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。