論文の概要: Learning observable propagation with sparse local moments
- arxiv url: http://arxiv.org/abs/2611.18448v1
- Date: Fri, 13 Nov 2026 17:22:20 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:26:58.691816
- Title: Learning observable propagation with sparse local moments
- Title(参考訳): 緩やかな局所モーメントによる観測可能な伝播の学習
- Abstract要約: 高次元多体システムにおける局所モーメントダイナミクスの予測のための統一的フレームワークを提案する。
様々な多体系の力学を外挿する際のフレームワークの有効性を数値的に示す。
- 参考スコア(独自算出の注目度): 5.694500753724732
- License:
- Abstract: We propose a unified framework for predicting local moment dynamics in high-dimensional many-body systems from short-time trajectories. Thanks to the locality of the dynamics, we construct the transition moment matrices by projecting the Markov operator onto low-order connected-cluster basis functions supported near the target observable. Exploiting the spatial decay of time-lagged correlations, {these matrices} can be approximated in sparse-plus-low-rank form using trajectory samples, with computational cost scaling linearly in the system dimension and the number of trajectories. The learning error can be further reduced by correcting the memory effect induced by the Galerkin projection. We numerically demonstrate the effectiveness of the framework in extrapolating the dynamics of various many-body systems, including Langevin and Glauber dynamics for classical systems as well as Lindblad dynamics for open quantum systems. In addition, for a class of single-site Glauber dynamics, we establish error bounds for sparse-plus-low-rank compression and uniform-in-time bounds for connected-cluster approximation and observable propagation with compressed transition moment matrices.
- Abstract(参考訳): 短時間の軌道から高次元多体系における局所モーメントダイナミクスを予測するための統一的なフレームワークを提案する。
動力学の局所性により、マルコフ作用素を目標観測可能近傍で支持される低次連結クラスタ基底関数に射影することで遷移モーメント行列を構築する。
時間的相関関係の空間的崩壊を爆発させることで、これらの行列は軌跡サンプルを用いてスパース・アンド・ローランクの形で近似することができ、計算コストはシステム次元と軌跡数に線形にスケールする。
ガレルキン投影によって引き起こされる記憶効果を補正することにより、学習誤差をさらに低減することができる。
古典系におけるランゲヴィンやグラウバーの力学やオープン量子系におけるリンドブラッドの力学など、様々な多体系の力学を外挿する枠組みの有効性を数値的に実証する。
さらに、単一サイトグラウバー力学のクラスでは、スパース・プラス・ローランク圧縮とコネクテッド・クラスタ近似のための均一時間境界と、圧縮された遷移モーメント行列による可観測伝播の誤差境界を確立する。
関連論文リスト
- Exact metastability in a class of driven-dissipative quantum many-body systems [0.0]
我々は、時間反転対称性を隠した、駆動散逸多体開量子系のクラスに焦点を当てる。
集合的および局所的な崩壊を伴う散逸的横場イジングモデルの詳細な研究を通して、我々の予想の精度を示す。
我々の結果は、様々なシステムのメタスタビリティとスローダイナミクスに関する定量的洞察を可能にします。
論文 参考訳(メタデータ) (2026-06-05T18:00:01Z) - From Black Hole to Galaxy: Neural Operator: Framework for Accretion and Feedback Dynamics [70.27068115318681]
ニューラルベースの「サブグリッドブラックホール」を導入し、小さな局所力学を学習し、直接シミュレーションに組み込む。
微細な進化の大きなスピードアップにより、我々は、降着駆動のフィードバックで固有の変動を捉え、中心ブラックホールと銀河スケールのガスの動的結合を可能にした。
論文 参考訳(メタデータ) (2025-12-01T11:47:49Z) - Programmable glassy dynamics using tunable disorder in tweezer arrays [0.0]
本研究では,非平衡緩和ダイナミクスの量子スピンのアンサンブルにおける統一的枠組みを提案する。
ガラスの崩壊ダイナミクスを観察するために、次元と相互作用範囲の重要性を解き明かし理解するために使用する。
我々のアプローチは、量子シミュレータで探索できるチューニング可能な緩和力学への道を開くものである。
論文 参考訳(メタデータ) (2025-04-24T15:29:33Z) - On Learning Gaussian Multi-index Models with Gradient Flow [57.170617397894404]
高次元ガウスデータに対する多次元回帰問題の勾配流について検討する。
低階射影をパラメトリする部分空間よりも、非パラメトリックモデルで低次元リンク関数を無限に高速に学習する2時間スケールのアルゴリズムを考える。
論文 参考訳(メタデータ) (2023-10-30T17:55:28Z) - Autoencoders for discovering manifold dimension and coordinates in data
from complex dynamical systems [0.0]
Autoencoder frameworkは暗黙の正則化と内部線形層と$L$正則化(重崩壊)を組み合わせる
このフレームワークは、状態空間モデリングや予測の応用のために自然に拡張できることを示す。
論文 参考訳(メタデータ) (2023-05-01T21:14:47Z) - Adaptive Machine Learning for Time-Varying Systems: Low Dimensional
Latent Space Tuning [91.3755431537592]
本稿では,時間変化システムを対象とした適応機械学習手法を提案する。
我々は,エンコーダデコーダCNNのエンコーダ部出力において,非常に高次元(N>100k)の入力を低次元(N2)潜在空間にマッピングする。
そこで本手法では,割り込みを伴わないフィードバックに基づいて,内部の相関関係を学習し,その進化をリアルタイムで追跡する。
論文 参考訳(メタデータ) (2021-07-13T16:05:28Z) - Continuous and time-discrete non-Markovian system-reservoir
interactions: Dissipative coherent quantum feedback in Liouville space [62.997667081978825]
2つの構造型貯水池に同時に露出する量子系について検討する。
対角線と対角線と外対角線の両方の貯留層相互作用を2倍のメモリと組み合わせた数値的精度の擬似2次元テンソルネットワークを用いて連続的および離散的遅延効果を示す。
例えば、離散フォトニックフィードバックと構造された音響フォノノノビアンモードの非マルコフ的相互作用を考察し、初期励起された2レベルシステム内での貯留層間相関と長寿命個体群トラップの出現を導いた。
論文 参考訳(メタデータ) (2020-11-10T12:38:35Z) - Liquid Time-constant Networks [117.57116214802504]
本稿では,時間連続リカレントニューラルネットワークモデルについて紹介する。
暗黙の非線形性によって学習システムの力学を宣言する代わりに、線形一階力学系のネットワークを構築する。
これらのニューラルネットワークは安定かつ有界な振る舞いを示し、ニューラル常微分方程式の族の中で優れた表現性をもたらす。
論文 参考訳(メタデータ) (2020-06-08T09:53:35Z)
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。