登录或注册
登录或注册
智能论文笔记
www.aixpaper.com
搜索
最新
推荐
我的收藏
Gauge-equivariant flow models for sampling in lattice field theories with pseudofermions
Ryan Abbott
,
Michael S. Albergo
,
Denis Boyda
,
Kyle Cranmer
,
Daniel C. Hackett
,
Gurtej Kanwar
,
Sébastien Racanière
,
Danilo J. Rezende
,
Fernando Romero-López
,
Phiala E. Shanahan
分类:
机器学习
2022-07-18
这项工作介绍了使用伪层作为费米子决定因素的随机估计量的费米子晶状体理论中基于流动采样的量规均值架构。这是最先进的晶格场理论计算中的默认方法,这使得对流向模型在QCD等理论的实际应用至关重要。还概述了通过标准技术(例如/奇数预处理和HasenBusch分解)来改进基于流的采样方法的方法。提供了二维U(1)和SU(3)具有$ n_f = 2 $ FERMIONS的量规理论的数值演示。
translated by 谷歌翻译
Flow-based sampling for fermionic lattice field theories
Michael S. Albergo
,
Gurtej Kanwar
,
Sébastien Racanière
,
Danilo J. Rezende
,
Julian M. Urban
,
Denis Boyda
,
Kyle Cranmer
,
Daniel C. Hackett
,
Phiala E. Shanahan
分类:
机器学习
2021-06-10
基于标准化流的算法是由于有希望的机器学习方法,以便以可以使渐近精确的方式采样复杂的概率分布。在格子场理论的背景下,原则上的研究已经证明了这种方法对标量理论,衡量理论和统计系统的有效性。这项工作开发了能够使用动力学蜕皮的基于流动的理论采样的方法,这对于应用于粒子物理标准模型和许多冷凝物系的晶格场理论研究是必要的。作为一种实践演示,这些方法应用于通过Yukawa相互作用耦合到标量场的无大量交错的费米子的二维理论的现场配置的采样。
translated by 谷歌翻译