論文の概要: Machine learning spectral functions in lattice QCD
- arxiv url: http://arxiv.org/abs/2110.13521v1
- Date: Tue, 26 Oct 2021 09:23:45 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-27 16:30:24.101048
- Title: Machine learning spectral functions in lattice QCD
- Title（参考訳）: 格子QCDにおける機械学習スペクトル関数
- Authors: S.-Y. Chen, H.-T. Ding, F.-Y. Liu, G. Papp, C.-B. Yang
- Abstract要約: ユークリッド相関関数から機械学習を用いてスペクトル関数を再構成する逆問題について検討する。
本稿では,変分オートエンコーダ(VAE)に基づく新しいニュートラルネットワーク sVAE を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study the inverse problem of reconstructing spectral functions from
Euclidean correlation functions via machine learning. We propose a novel
neutral network, sVAE, which is based on the variational autoencoder (VAE) and
can be naturally applied to the inverse problem. The prominent feature of the
sVAE is that a Shannon-Jaynes entropy term having the ground truth values of
spectral functions as prior information is included in the loss function to be
minimized. We train the network with general spectral functions produced from a
Gaussian mixture model. As a test, we use correlators generated from four
different types of physically motivated spectral functions made of one
resonance peak, a continuum term and perturbative spectral function obtained
using non-relativistic QCD. From the mock data test we find that the sVAE in
most cases is comparable to the maximum entropy method (MEM) in the quality of
reconstructing spectral functions and even outperforms the MEM in the case
where the spectral function has sharp peaks with insufficient number of data
points in the correlator. By applying to temporal correlation functions of
charmonium in the pseudoscalar channel obtained in the quenched lattice QCD at
0.75 $T_c$ on $128^3\times96$ lattices and $1.5$ $T_c$ on $128^3\times48$
lattices, we find that the resonance peak of $\eta_c$ extracted from both the
sVAE and MEM has a substantial dependence on the number of points in the
temporal direction ($N_\tau$) adopted in the lattice simulation and $N_\tau$
larger than 48 is needed to resolve the fate of $\eta_c$ at 1.5 $T_c$.
- Abstract（参考訳）: ユークリッド相関関数からのスペクトル関数を機械学習で再構成する逆問題について検討する。
本稿では,変分オートエンコーダ(vae)に基づく新しいニュートラルネットワークであるsveeを提案する。
svaeの特徴は、スペクトル関数の先行情報として基底真理値を持つシャノン・ジェインズエントロピー項が最小化される損失関数に含まれることである。
ガウス混合モデルから生成した一般スペクトル関数を用いてネットワークを訓練する。
実験では, 共振ピーク, 連続項, 摂動スペクトル関数の4種類の物理的モチベーションスペクトル関数から生成した相関子を用いて, 非相対論的qcdを用いた。
モックデータテストから、ほとんどの場合のsVAEはスペクトル関数を再構成する際の最大エントロピー法(MEM)に匹敵するものであり、スペクトル関数のピークが鋭く、コレレータ内のデータポイントが不足している場合にはMEMよりも優れることがわかった。
By applying to temporal correlation functions of charmonium in the pseudoscalar channel obtained in the quenched lattice QCD at 0.75 $T_c$ on $128^3\times96$ lattices and $1.5$ $T_c$ on $128^3\times48$ lattices, we find that the resonance peak of $\eta_c$ extracted from both the sVAE and MEM has a substantial dependence on the number of points in the temporal direction ($N_\tau$) adopted in the lattice simulation and $N_\tau$ larger than 48 is needed to resolve the fate of $\eta_c$ at 1.5 $T_c$.
関連論文リスト
- Point-Calibrated Spectral Neural Operators [54.13671100638092]
点レベル適応スペクトルベースで関数を近似することで演算子マッピングを学習する。
点平衡スペクトル演算子は点レベル適応スペクトルベースで関数を近似することで演算子マッピングを学習する。
論文 参考訳（メタデータ） (2024-10-15T08:19:39Z) - Solving High Frequency and Multi-Scale PDEs with Gaussian Processes [18.190228010565367]
PINNは、しばしば高周波およびマルチスケールのPDEを解決するのに苦労する。
我々はこの問題を解決するためにガウス過程(GP)フレームワークを利用する。
我々はKroneckerの製品特性と多線型代数を用いて計算効率とスケーラビリティを向上する。
論文 参考訳（メタデータ） (2023-11-08T05:26:58Z) - Chebyshev pseudosite matrix product state approach for the spectral
functions of electron-phonon coupling systems [5.778703568892861]
強いクーロン反発状態におけるドープ拡張ハバード・ホルシュタインモデルのスペクトル関数について検討した。
その結果,低フォノン周波数でのホロンの折り畳み枝のスペクトル重みを増大させることができることがわかった。
論文 参考訳（メタデータ） (2022-10-17T16:07:45Z) - Two-dimensional total absorption spectroscopy with conditional
generative adversarial networks [0.22499166814992444]
我々は、TAS検出器で$E_x$および$E_gamma$データを展開するために条件付き生成対向ネットワークを使用する。
シミュレーションテストケースの93%以上において, 検出器分解能限界内でのキャラクタリゼーション能力を示す。
論文 参考訳（メタデータ） (2022-06-23T15:57:37Z) - Machine learning Hadron Spectral Functions in Lattice QCD [0.16799377888527683]
本稿では,変分オートエンコーダ(VAE)とベイズ定理に基づく新しいニューラルネットワーク(sVAE)を提案する。
最大エントロピー法(MEM)に着想を得て、シャノン・ジャイネスエントロピー項と確率項を含むニューラルワークの損失関数を構築する。
ほとんどの場合、sVAEはスペクトル関数の再構成における最大エントロピー法に匹敵する。
論文 参考訳（メタデータ） (2021-12-01T12:41:28Z) - Optimal policy evaluation using kernel-based temporal difference methods [78.83926562536791]
カーネルヒルベルト空間を用いて、無限水平割引マルコフ報酬過程の値関数を推定する。
我々は、関連するカーネル演算子の固有値に明示的に依存した誤差の非漸近上界を導出する。
MRP のサブクラスに対する minimax の下位境界を証明する。
論文 参考訳（メタデータ） (2021-09-24T14:48:20Z) - Tightening the Dependence on Horizon in the Sample Complexity of
Q-Learning [59.71676469100807]
この研究は、同期Q-ラーニングのサンプルの複雑さを、任意の$0varepsilon 1$に対して$frac|mathcalS| (1-gamma)4varepsilon2$の順序に絞る。
計算やストレージを余分に必要とせずに、高速なq-learningにマッチするvanilla q-learningの有効性を明らかにした。
論文 参考訳（メタデータ） (2021-02-12T14:22:05Z) - Variational Monte Carlo calculations of $\mathbf{A\leq 4}$ nuclei with
an artificial neural-network correlator ansatz [62.997667081978825]
光核の基底状態波動関数をモデル化するためのニューラルネットワーク量子状態アンサッツを導入する。
我々は、Aleq 4$核の結合エネルギーと点核密度を、上位のピオンレス実効場理論から生じるものとして計算する。
論文 参考訳（メタデータ） (2020-07-28T14:52:28Z) - A Random Matrix Analysis of Random Fourier Features: Beyond the Gaussian
Kernel, a Precise Phase Transition, and the Corresponding Double Descent [85.77233010209368]
本稿では、データサンプルの数が$n$である現実的な環境で、ランダムフーリエ(RFF)回帰の正確さを特徴付けます。
この分析はまた、大きな$n,p,N$のトレーニングとテスト回帰エラーの正確な推定も提供する。
論文 参考訳（メタデータ） (2020-06-09T02:05:40Z) - Spectral density estimation with the Gaussian Integral Transform [91.3755431537592]
スペクトル密度作用素 $hatrho(omega)=delta(omega-hatH)$ は線形応答論において中心的な役割を果たす。
スペクトル密度を近似する近似量子アルゴリズムについて述べる。
論文 参考訳（メタデータ） (2020-04-10T03:14:38Z) - Correlated Disorder in the SYK$_{2}$ model [0.0]
N$MajoranaフェルミオンのSYK$_2$モデルについて、詳細なスペクトル分析と2点と4点の情報源との結合によるランダムな二次相互作用について検討する。
論文 参考訳（メタデータ） (2020-03-11T16:46:29Z)
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。