論文の概要: Rank-One Loss Maximizes the Spectral Response Strength of Passive Full-Order Exceptional Points
- arxiv url: http://arxiv.org/abs/2610.31268v1
- Date: Thu, 22 Oct 2026 13:39:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 02:08:44.389258
- Title: Rank-One Loss Maximizes the Spectral Response Strength of Passive Full-Order Exceptional Points
- Title（参考訳）: 受動全次例外点のスペクトル応答強度を最大化するランクワン損失
- Abstract要約: 有限次元非エルミート系は、すべてのモードが単一の例外点で結合する。
受動的系に対しては、固定された例外点崩壊速度で鋭い上界を導出する。
崩壊作用素が1のランクを持つときのみ到達し、1つの独立散逸方向に対応することを示す。
- 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 consider finite-dimensional non-Hermitian systems in which all modes coalesce at a single exceptional point. For a rank-one anti-Hermitian contribution, the spectral response strength is computed exactly. For passive systems, we then derive a sharp upper bound at fixed exceptional-point decay rate and show that it is reached only when the decay operator has rank one, corresponding to a single independent dissipative direction. This establishes rank-one loss as the optimal configuration for enhancing the response of a full-order exceptional point. The bound holds for arbitrary order and improves on earlier passive estimates beyond second order. Two third-order trimers illustrate the result: a rank-one-loss system saturates the bound, whereas a passive rank-two-loss realization remains below it. The result turns dissipation into a design resource: concentrating the loss into a single effective dissipative direction maximizes the highest-order spectral response of a passive full-order exceptional-point device.
- Abstract（参考訳）: 有限次元非エルミート系は、すべてのモードが単一の例外点で結合する。
ランク1の反エルミート的寄与については、スペクトル応答強度を正確に計算する。
受動的系に対しては、固定された例外点崩壊率で鋭い上界を導出し、崩壊作用素が1のランクを持つときのみ到達し、1つの独立散逸方向に対応することを示す。
これにより、階数1の損失は、全階例外点の応答を高める最適構成として確立される。
境界は任意の順序を保ち、二階を超えた初期受動的推定を改善する。
ランク・ワン・ロス・システムは境界を飽和させるが、パッシブ・ランク・ツー・ロス・リアライゼーションはその下にある。
損失を1つの有効散逸方向に集中させることで、受動的全次例外点装置の高次スペクトル応答を最大化する。
関連論文リスト
- How Finite-Rank Bottlenecks Shape the Low-Rank Adaptation Landscape [3.769109917964208]
低ランク適応(LoRA)は、大きな事前訓練されたモデルのパラメータ効率の高い微調整の標準手法となっている。
バックボーンが凍結されると、損失は、凍結活性化によって誘導される有限ランク線型写像を通してのみ、各重み行列を見ることができる。
これにより、この写像の階数によって階数が制御される大域最小化器が得られる。
論文 参考訳（メタデータ） (2026-10-16T11:50:01Z) - Stability-Constrained Approximation in Spline KANs: Exact Layer Balancing and Budget-Compatible Saturation [51.56484100374058]
我々は、ハードレイヤーワイドリプシッツ予算の下で近似を研究する。
構成条件下では、対応するレイヤエラーをキャンセルする必要はないことを示す。
クラスのすべての作用素に対して、安定した深さ-$L$タワーが存在し、累積誤差の定数分を実現できる。
論文 参考訳（メタデータ） (2026-09-14T20:17:04Z) - From Concentration to Differentiation and Back: Routing Effective Rank in MoE Reasoning Cohorts [61.695980784491475]
テストタイムスケーリングは、推論ロールアウトのコホートを生成するが、推論が展開するにつれて内部計算がどのように再編成されるかについて、標準的なラベルのない説明はない。
本稿では,MoEの専門家による類似性から構築したクロスロールアウトグラフのエントロピー有効次元性であるルーティング有効ランクデフを導入する。
論文 参考訳（メタデータ） (2026-09-06T05:43:22Z) - A Noise Optimum in Rehearsal-Free Continual Learning: Isolation, Mechanism, and Scope [0.0]
統合ルールにノイズを注入することで、ネットワークの以前のタスクの保持を最適なレベルまで改善し、分解することができる。
本稿では,その最適生成点とそれを保持する地図を,シミュレーションで完全に分離する。
論文 参考訳（メタデータ） (2026-07-22T18:00:24Z) - Automatic Rank Determination for Low-Rank Adaptation via Submodular Function Maximization [56.78271181959529]
SubLoRAは、サブモジュール関数に基づくローランド適応(LoRA)のランク決定方法である。
提案手法は, 理論的基礎, 2次精度, 実用計算効率の両立を図っている。
論文 参考訳（メタデータ） (2025-07-02T15:56:40Z) - Higher-order exceptional points in composite non-Hermitian systems [0.4653332271702355]
複数の系のテンソル積によって記述された複合量子系は、それぞれ1つの先行する例外点を示す。
このような高次の例外点の形成は、サブシステム間のカップリングを必要としない。
本研究では, 複合系の高次例外点の存在により, 時間進化の過程で一般初期状態が乱れてしまうことを実証する。
論文 参考訳（メタデータ） (2025-04-09T14:07:42Z) - Continuous K-Max Bandits [54.21533414838677]
我々は、連続的な結果分布と弱い値-インデックスフィードバックを持つ、$K$-Maxのマルチアームバンディット問題について検討する。
この設定は、レコメンデーションシステム、分散コンピューティング、サーバスケジューリングなどにおいて重要なアプリケーションをキャプチャします。
我々の重要な貢献は、適応的な離散化とバイアス補正された信頼境界を組み合わせた計算効率の良いアルゴリズムDCK-UCBである。
論文 参考訳（メタデータ） (2025-02-19T06:37:37Z) - Discretize Relaxed Solution of Spectral Clustering via a Non-Heuristic
Algorithm [77.53604156112144]
我々は、元の問題と離散化アルゴリズムを橋渡しする1次項を開発する。
非ヒューリスティック法は元のグラフ切断問題を認識しているため、最終的な離散解の方が信頼性が高い。
論文 参考訳（メタデータ） (2023-10-19T13:57:38Z) - Rank Overspecified Robust Matrix Recovery: Subgradient Method and Exact
Recovery [37.05862765171643]
我々は、ランクに関する事前の知識を持たない低ランク行列のロバストな分解を考える。
本稿では,行列のサイズを小さくする設計により,過度に最適化されたモデルにおける過度な適合を効果的に防止できることを示す。
論文 参考訳（メタデータ） (2021-09-23T05:54:46Z) - Approximation Schemes for ReLU Regression [80.33702497406632]
我々はReLU回帰の根本的な問題を考察する。
目的は、未知の分布から引き出された2乗損失に対して、最も適したReLUを出力することである。
論文 参考訳（メタデータ） (2020-05-26T16:26:17Z)
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。