論文の概要: Introduction to Normalizing Flows for Lattice Field Theory
- arxiv url: http://arxiv.org/abs/2101.08176v1
- Date: Wed, 20 Jan 2021 15:16:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-22 05:20:26.921530
- Title: Introduction to Normalizing Flows for Lattice Field Theory
- Title(参考訳): 格子場理論のための正規化フロー入門
- Authors: Michael S. Albergo, Denis Boyda, Daniel C. Hackett, Gurtej Kanwar,
Kyle Cranmer, S\'ebastien Racani\`ere, Danilo Jimenez Rezende, Phiala E.
Shanahan
- Abstract要約: 本チュートリアルでは,正規化フローとして知られる機械学習モデルのクラスを用いて,格子場理論のボルツマン分布をサンプリングする方法を示す。
この枠組みを格子スカラー場理論およびU(1)ゲージ理論に適用し、後者へのフローベースアプローチにおいてゲージ対称性を明示的に符号化する。
- 参考スコア(独自算出の注目度): 12.22624862298982
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This notebook tutorial demonstrates a method for sampling Boltzmann
distributions of lattice field theories using a class of machine learning
models known as normalizing flows. The ideas and approaches proposed in
arXiv:1904.12072, arXiv:2002.02428, and arXiv:2003.06413 are reviewed and a
concrete implementation of the framework is presented. We apply this framework
to a lattice scalar field theory and to U(1) gauge theory, explicitly encoding
gauge symmetries in the flow-based approach to the latter. This presentation is
intended to be interactive and working with the attached Jupyter notebook is
recommended.
- Abstract(参考訳): 本チュートリアルでは,正規化フローとして知られる機械学習モデルのクラスを用いて,格子場理論のボルツマン分布をサンプリングする方法を示す。
arXiv:1904.12072, arXiv:2002.02428, arXiv:2003.06413で提案された考え方とアプローチを概観し, 具体的な実装について述べる。
この枠組みを格子スカラー場理論およびU(1)ゲージ理論に適用し、後者へのフローベースアプローチにおいてゲージ対称性を明示的に符号化する。
このプレゼンテーションはインタラクティブで、付属のjupyterノートブックで作業することが推奨されている。
関連論文リスト
- Wrapped Distributions on homogeneous Riemannian manifolds [58.720142291102135]
パラメータ、対称性、モダリティなどの分布の性質の制御は、フレキシブルな分布の族を生み出す。
変動型オートエンコーダと潜在空間ネットワークモデル内で提案した分布を利用して,我々のアプローチを実証的に検証する。
論文 参考訳(メタデータ) (2022-04-20T21:25:21Z) - Flow-based sampling in the lattice Schwinger model at criticality [54.48885403692739]
フローベースアルゴリズムは、格子場理論への応用のためのフィールド分布の効率的なサンプリングを提供することができる。
フェルミオン質量の臨界値におけるシュウィンガーモデルにおけるロバストな流れに基づくサンプリングの数値的な実演を行う。
論文 参考訳(メタデータ) (2022-02-23T19:00:00Z) - Stochastic normalizing flows as non-equilibrium transformations [62.997667081978825]
正規化フローは従来のモンテカルロシミュレーションよりも効率的に格子場理論をサンプリングするための経路を提供することを示す。
本稿では,この拡張された生成モデルの効率を最適化する戦略と応用例を示す。
論文 参考訳(メタデータ) (2022-01-21T19:00:18Z) - A diffusion-map-based algorithm for gradient computation on manifolds
and applications [0.0]
我々は、多様体の点における関数評価のランダムなサンプルに基づいて、ユークリッド空間の境界を持つ部分多様体の内部点上で定義される与えられた関数の勾配を回復する。
その結果, 解析的収束結果が証明され, 効率的なアルゴリズムが提案される。
論文 参考訳(メタデータ) (2021-08-16T09:35:22Z) - Equivariant Manifold Flows [48.21296508399746]
等変多様体フローを通じて任意の多様体上の対称性不変分布を学習するための理論的基礎を置く。
量子場理論の文脈で、SU(n)$以上のゲージ不変密度を学習するためにこの手法の実用性を実証する。
論文 参考訳(メタデータ) (2021-07-19T03:04:44Z) - Flow-based sampling for multimodal distributions in lattice field theory [7.0631812650826085]
複数の分離モードを持つターゲットのフローモデルを構築するための一連の手法を提案する。
二次元実スカラー場理論のモデル化へのこれらの手法の適用を実証する。
論文 参考訳(メタデータ) (2021-07-01T20:22:10Z) - Flow-based sampling for fermionic lattice field theories [8.46509435333566]
この研究は、動的フェルミオンを持つ理論のフローベースサンプリングを可能にするアプローチを開発する。
実演として、これらの手法は、無質量安定フェルミオンの2次元理論のための場配置のサンプリングに応用される。
論文 参考訳(メタデータ) (2021-06-10T17:32:47Z) - Machine Learning and Variational Algorithms for Lattice Field Theory [1.198562319289569]
格子量子場論の研究において、格子理論を定義するパラメータは連続体物理学にアクセスする臨界性に向けて調整されなければならない。
経路積分の領域に適用される輪郭変形に基づいてモンテカルロ推定器を「変形」する手法を提案する。
我々は,フローベースMCMCが臨界減速を緩和し,オブザーシフォールドが原理的応用のばらつきを指数関数的に低減できることを実証した。
論文 参考訳(メタデータ) (2021-06-03T16:37:05Z) - A Unifying and Canonical Description of Measure-Preserving Diffusions [60.59592461429012]
ユークリッド空間における測度保存拡散の完全なレシピは、最近、いくつかのMCMCアルゴリズムを単一のフレームワークに統合した。
我々は、この構成を任意の多様体に改善し一般化する幾何学理論を開発する。
論文 参考訳(メタデータ) (2021-05-06T17:36:55Z) - Nishimori meets Bethe: a spectral method for node classification in
sparse weighted graphs [53.13327158427103]
本稿では,分布pをパラメトリ化する西森温度と,分布pに従ってエッジ重みが分布するランダムエルドス・レーニーグラフ上のベーテ自由エネルギーの関係について述べる。
重み付きグラフのBethe Hessian行列の固有値から西森温度を正確に推定する数値計算法を提案する。
論文 参考訳(メタデータ) (2021-03-05T09:45:56Z)
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。