Spectral Topology and Delocalization in Disordered Hatano-Nelson Chains
この論文は、対角二値乱雑性を伴う非エルミートHatano-Nelson鎖において、乱雑さの強さに応じてスペクトルが単一ループから二重ループへ分岐し、スペクトル巻き数と局在長の発散を伴う特異的な非局在状態が現れることを示しています。
🔬 Category
cond-mat.dis-nn
85 件の論文
Emergence of Distortions in High-Dimensional Guided Diffusion Models
この論文は、統計力学の手法を用いて高次元における Classifier-free Guidance の「生成歪み」の発生を相転移として理論的に解明し、多様性の低下を防ぐために負のガイダンスウィンドウを備えた新しいガイダンススケジューリング手法を提案しています。
Benchmarking Graph Neural Networks in Solving Hard Constraint Satisfaction Problems
統計物理学の観点から新たな難問ベンチマークを提案し、公平な比較を通じて古典的アルゴリズムがグラフニューラルネットワークよりも依然として優れていることを示しました。
Symmetric localization of fractional topological insulator edges
この論文は、ねじれ MoTeの実験に触発され、の分数トポロジカル絶縁体のエッジ状態を記述する乱れ相互作用理論を構築し、スピン保存・非保存の条件下で多様な伝導相や局在化が現れることを示すことで、2 端子輸送測定だけではこの物質の同定が不十分であることを明らかにしています。
Probing the ergodicity breaking transition via violations of random matrix theoretic predictions for local observables
この論文は、乱行列理論の予測からの逸脱（量子フィッシャー情報の時間発展や揺らぎ・散逸定理など）を局所観測量の測定を通じて検証することで、積分可能性、多体局在、量子多体傷痕といった多様なエルゴード性破れ転移を捉える手法を提案しています。
Dissipation- versus Chaos-Induced Relaxation in Non-Markovian Quantum Many-Body Systems
この論文は、非マルコフ環境に結合した開いた Sachdev-Ye-Kitaev モデルを研究し、内部カオスと環境散逸の競合によって、べき乗則緩和、指数関数的減衰、およびその中間的な前緩和相など、多様な動的相図が現れることを明らかにしています。
Linear Readout of Neural Manifolds with Continuous Variables
この論文は、統計力学に基づく理論を構築し、神経マンフォールドの幾何学的性質と連続変数の線形読み出し効率との関係を解明することで、霊長類の視覚経路において物体の位置やサイズのデコード能力が増大することを実データから示しました。
Uncovering statistical structure in large-scale neural activity with Restricted Boltzmann Machines
この論文は、統計物理学の枠組みである制限付きボルツマンマシン（RBM）を用いて、マウスの大規模神経活動データ（約 1500〜2000 個のニューロン）から高次依存関係や解剖学的構造を反映する有効な結合ネットワークを高精度に学習・抽出し、集団活動の統計的性質と緩和ダイナミクスを再現できることを示しています。
Predictive Coding Networks and Inference Learning: Tutorial and Survey
本論文は、従来の誤差逆伝播法よりも生物学的に妥当で、並列化により計算効率も向上し、教師あり・教師なし学習を統一的に扱える予測符号化ネットワーク（PCN）の理論的基盤と現代機械学習における位置づけを包括的にレビューし、その将来性を示唆するものである。
Density of reflection resonances in one-dimensional disordered Schrödinger operators
この論文は、1 次元乱雑ポテンシャルにおける純粋反射問題において、複素エネルギーにおける反射係数の分布と共鳴極の密度との一般的な関係を確立し、弱散乱極限および局在長に比べて短い試料という 2 つの異なる領域における共鳴密度の明示的な式を導出するとともに、数値シミュレーションでその妥当性を検証する解析的アプローチを提示している。
Online unsupervised Hebbian learning in deep photonic neuromorphic networks
この論文は、非揮発性の相変化材料シナプスと局所フィードバック機構を用いて、光電変換を介さずにオンライン非教師学習（ヘッビアン学習）を実現し、文字認識タスクで100%の精度を達成した、純粋な光深層ニューロモルフィックネットワークのアーキテクチャと実験的実証を報告しています。
The toric code under antiferromagnetic isotropic Heisenberg interactions
本論文は、ニューラルネットワーク量子状態を用いてトリックコードに反強磁性アイソトロピック・ハイゼンベルク摂動を加えた場合の研究を行い、低結合領域でのシュリーファー・ウルフ変換による有効記述との一致を確認しつつ、摂動の強さが増すにつれてトポロジカル秩序が崩壊し、最終的に四重縮退した反強磁性ネール相へと遷移する臨界点や相転移の性質を包括的に解明した。
Predictive Coding Graphs are a Superset of Feedforward Neural Networks
この論文は、神経科学に着想を得た確率的潜在変数モデルである予測符号化グラフ（PCG）が、多層パーセプトロンの数学的超集合を定義することを証明し、これにより PCG を現代の機械学習の文脈に位置づけ、ニューラルネットワークのトポロジーに関する研究を強化していることを示しています。
Continuum field theory of matchgate tensor network ensembles
この論文は、典型的性という概念を用いてランダムなマッチゲートテンソルネットワークのアンサンブルを記述し、その普遍的物理が熱的量子ホール問題に対応する非線形シグマモデルによって記述されることを示すことで、離散的なテンソルネットワークから連続体場の理論への架け橋を構築したものである。
One-sided large deviations for the ground-state energy of spin glasses
本論文は、外部磁場が存在するかどうかによって最大エネルギーのレート関数の最小値近傍での漸近的な二次性が決まることを示すため、パリの公式に基づく分数モーメントから最大エネルギーのラプラス変換の極限を導き、凸双対性を用いて明確なレート関数を持つ大偏差原理を確立しています。
Optimal recovery for quantum error correction
本論文は、量子誤り訂正の真の最適復元閾値を特定するための新たな情報理論的指標「相互トレース距離」を導入し、Petz 復元および Schumacher-Westmoreland 復元が実際には最適であることを証明するとともに、最適および非最適復元方式の構造と相図を解明しています。
Few-Shot Neuromorphic Vision in a Nonlinear Photonic Network Laser
この論文は、網膜の側方抑制や多様な非線形応答を模倣したランダムレーザーネットワークを用いたフォトニック計算システムを開発し、限られたデータ（数ショット）でも画像認識やがん診断において従来のソフトウェア深層学習モデルを上回る高い精度を達成したことを報告しています。
Quantum-gas microscopy of the Bose-glass phase
この論文は、量子ガス顕微鏡を用いて二次元格子におけるボーズ・ガラス相を直接観測し、局所的なエドワーズ・アンダーソンパラメータによる粒子揺らぎの測定とタロット干渉法による短距離位相コヒーレンスの評価を通じて、その非エルゴード性を明らかにしたものである。
Algorithmic Capture, Computational Complexity, and Inductive Bias of Infinite Transformers
本論文は、無限幅トランスフォーマーが「アルゴリズム的キャプチャ（グロッキング）」を達成する能力を定義し、その推論時の計算量に上限があることを示すことで、効率的な多項式時間ヒューリスティックスキーム（EPTHS）に属する低複雑度アルゴリズムへの誘導バイアスが存在し、より高複雑度アルゴリズムの習得は困難であることを理論的に証明しています。
DysonNet: Constant-Time Local Updates for Neural Quantum States
本論文は、局所非線形性と大域的線形層を結合した新しいニューラル量子状態「DysonNet」を提案し、その物理的解釈に基づいた効率的な更新アルゴリズム「ABACUS」により、従来の手法に比べて最大 230 倍の高速化と計算複雑性の大幅な改善を実現したことを報告しています。