Spectral Topology and Delocalization in Disordered Hatano-Nelson Chains
이 논문은 이산 Hatano-Nelson 사슬에서 약한 무질서와 임계 지점에서 비자명한 스펙트럼 감김 수와 직접적으로 상관된 완전히 비국소화된 두 개의 상태가 존재함을 보여주며, 이는 무질서 강도에 따른 스펙트럼 위상 구조의 변화와 국소화 길이의 거동을 규명한 것입니다.
🔬 Category
cond-mat.dis-nn
85 편의 논문
Emergence of Distortions in High-Dimensional Guided Diffusion Models
이 논문은 고차원 가이드드 확산 모델에서 클래스 수가 지수적으로 증가할 때 발생하는 생성 왜곡 현상을 통계물리학적 접근으로 분석하고, 분산 축소 문제를 해결하면서도 클래스 분리를 유지할 수 있는 음수 가이드 윈도우를 포함한 새로운 이론적 가이드 스케줄을 제안합니다.
Benchmarking Graph Neural Networks in Solving Hard Constraint Satisfaction Problems
통계물리학적 관점에서 제안된 새로운 난이도 높은 벤치마크를 통해 그래프 신경망 (GNN) 과 기존 휴리스틱 알고리즘을 공정하게 비교한 결과, 현재 GNN 은 여전히 기존 알고리즘보다 성능이 낮음을 확인하고 향후 연구의 방향성을 제시했습니다.
Symmetric localization of fractional topological insulator edges
이 논문은 분수 위상 절연체의 가장자리 이론을 연구하여, 무질서와 상호작용에 의해 국소화되는 새로운 위상이 나타날 수 있음을 보임으로써 2 단자 전도도 측정만으로는 해당 위상 절연체를 식별하는 것이 불충분함을 규명했습니다.
Probing the ergodicity breaking transition via violations of random matrix theoretic predictions for local observables
이 논문은 무작위 행렬 이론 (RMT) 의 예측을 기준으로 국소 관측량만 측정하여 양자 Fisher 정보의 시간 진동과 플럭추에이션 - 소산 관계를 분석함으로써, 적분성, 다체 국소화 (MBL), 양자 다체 흉터 (QMBS) 등 다양한 비에르고딕 전이를 탐지할 수 있음을 보여줍니다.
Dissipation- versus Chaos-Induced Relaxation in Non-Markovian Quantum Many-Body Systems
이 논문은 비마코프 환경에 결합된 개방형 Sachdev-Ye-Kitaev(SYK) 모델을 연구하여, 내부 혼돈과 비마코프 소산 간의 경쟁이 지수적 감쇠, 멱법칙 완화, 그리고 그 사이의 전이 영역 등 풍부한 동역상 다이어그램을 만들어낸다는 것을 보여줍니다.
Linear Readout of Neural Manifolds with Continuous Variables
이 논문은 통계역학적 이론을 통해 신경 매니폴드의 기하학적 특성과 연속 변수의 선형 해독 효율성 간의 관계를 규명하고, 이를 실제 원숭이 시각 경로 데이터에 적용하여 물체 위치와 크기를 해독하는 능력이 시각 처리 단계에 따라 증가함을 밝혔습니다.
Uncovering statistical structure in large-scale neural activity with Restricted Boltzmann Machines
이 논문은 제한된 볼츠만 기계 (RBM) 를 사용하여 쥐 뇌의 대규모 신경 활동 데이터에서 고차원적 상관관계를 포착하고, 시각 피질 내의 강한 상호작용과 영역 간 약한 결합을 포함한 명확한 해부학적 구조를 가진 유효 신경 상호작용 네트워크를 성공적으로 추론함을 보여줍니다.
Predictive Coding Networks and Inference Learning: Tutorial and Survey
이 논문은 신경과학에서 영감을 받은 예측 부호화 네트워크 (PCN) 와 추론 학습 (IL) 에 대한 포괄적인 검토와 형식적 규정을 제공하며, 기존 역전파 방식의 한계를 넘어 생물학적 타당성과 효율성을 갖춘 차세대 머신러닝 프레임워크로서의 가능성을 제시합니다.
Density of reflection resonances in one-dimensional disordered Schrödinger operators
이 논문은 1 차원 무질서한 슈뢰딩거 연산자의 반사 공명 극점 밀도를 분석하기 위해 복소 에너지에서의 반사 계수 분포와 공명 밀도 간의 관계를 규명하는 해석적 접근법을 제시하고, 약한 무질서 및 짧은 샘플 조건에 대한 명시적 공식을 유도하여 수치 시뮬레이션 결과와 비교 검증합니다.
Online unsupervised Hebbian learning in deep photonic neuromorphic networks
이 논문은 비휘발성 상변화 소자를 활용한 국소적 광 피드백 메커니즘을 통해 온라인 비지도 헤비안 학습을 가능하게 하는 순수 광학 심층 신경망 아키텍처를 제안하고, 광-전기-광 변환 없이 실시간 정보 처리를 실현하여 100% 인식률을 달성한 실험 결과를 보고합니다.
The toric code under antiferromagnetic isotropic Heisenberg interactions
이 논문은 신경망 양자 상태 (NQS) 와 슈리페르-울프 변환을 활용하여 등방성 반강자성 하이젠베르크 상호작용이 토릭 코드에 미치는 영향을 연구함으로써, 국소적 2 스핀 상호작용이 위상 질서를 붕괴시키고 4 중 축퇴된 네엘 상으로의 양자 상전이를 유도함을 규명했습니다.
Predictive Coding Graphs are a Superset of Feedforward Neural Networks
이 논문은 뇌과학에서 영감을 받은 확률적 잠재 변수 모델인 예측 코딩 그래프 (PCG) 가 다층 퍼셉트론을 포함하는 수학적 초집합임을 증명하여, 예측 코딩 네트워크를 현대 기계학습의 맥락에 더 강력하게 위치시키고 신경망 위상학 연구의 중요성을 재확인합니다.
Continuum field theory of matchgate tensor network ensembles
이 논문은 무작위 매치게이트 텐서 네트워크 앙상블의 평균적 성질을 분석하여, 이를 2 차원 열 양자 홀 효과와 대응되는 비선형 시그마 모델로 기술하고, 무질서가 국소화, 양자 홀 임계점, 열 금속 상 등 다양한 위상 상을 유도함을 보여줍니다.
One-sided large deviations for the ground-state energy of spin glasses
이 논문은 프랑크-파리시 (Parisi) 공식과 볼록 쌍대성을 활용하여 스핀 글래스의 최대 에너지가 전형적인 값보다 크게 벗어날 때의 큰 편차 원리를 유도하고, 외부 자기장의 유무에 따라 속도 함수가 최소값 근처에서 점근적으로 2 차 함수가 되는지 여부를 규명합니다.
Optimal recovery for quantum error correction
이 논문은 양자 오류 정정에서 최적의 복구 채널을 정의하고, 상호 추적 거리를 통해 최적 임계값을 진단하며, 페츠 (Petz) 와 슈마허 - 웨스트먼랜드 (SW) 복구 방식이 실제로 최적임을 증명합니다.
Few-Shot Neuromorphic Vision in a Nonlinear Photonic Network Laser
이 논문은 무작위 레이저 네트워크의 공간적 경쟁 모드와 비선형 동역학을 활용하여 뇌의 망막 구조에서 영감을 받은 광학 컴퓨팅 시스템을 구현하고, 소량의 데이터로도 기존 소프트웨어 기반 모델보다 뛰어난 성능을 보이는 소수-shot 학습 및 분할 능력을 입증했습니다.
Quantum-gas microscopy of the Bose-glass phase
이 논문은 양자 가스 현미경을 활용하여 2 차원 격자 시스템에서 불규칙한 퍼텐셜 하에 보즈 글래스 상의 형성을 직접 관측하고, 국소 측정 및 탈보트 간섭계를 통해 위상 간섭성 감소와 비에르고드적 거동을 확인했습니다.
Algorithmic Capture, Computational Complexity, and Inductive Bias of Infinite Transformers
이 논문은 무한 폭 트랜스포머가 '알고리즘적 포획 (Algorithmic Capture)'을 정의하고, 효율적 다항 시간 휴리스틱 (EPTHS) 클래스 내의 저복잡도 알고리즘에 대한 귀납적 편향을 가지며 고복잡도 알고리즘 학습에는 실패함을 이론적으로 규명합니다.
DysonNet: Constant-Time Local Updates for Neural Quantum States
이 논문은 국소 비선형성과 전역 선형 레이어를 결합한 'DysonNet'을 제안하여 물리적 해석성을 바탕으로 단일 스핀 플립 업데이트를 상수 시간 () 에 수행할 수 있게 함으로써 신경 양자 상태의 계산 효율성을 획기적으로 개선하고 정확도는 유지함을 보여줍니다.