論文の概要: Locality-constrained autoregressive cum conditional normalizing flow for
lattice field theory simulations
- arxiv url: http://arxiv.org/abs/2304.01798v1
- Date: Tue, 4 Apr 2023 13:55:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-05 13:50:13.965694
- Title: Locality-constrained autoregressive cum conditional normalizing flow for
lattice field theory simulations
- Title（参考訳）: 格子場理論シミュレーションのための局所性制約付き自己回帰的クム条件正規化流
- Authors: Dinesh P. R.
- Abstract要約: 局所作用積分は条件正規化フローの入力領域を単純化する。
その結果,l-ACNFモデルの自己相関時間は,全格子上の等価正規化フローモデルよりも桁違いに優れていることがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Normalizing flow-based sampling methods have been successful in tackling
computational challenges traditionally associated with simulating lattice
quantum field theories. Further works have incorporated gauge and translational
invariance of the action integral in the underlying neural networks, which have
led to efficient training and inference in those models. In this paper, we
incorporate locality of the action integral which leads to simplifications to
the input domain of conditional normalizing flows that sample constant time
sub-lattices in an autoregressive process, dubbed local-Autoregressive
Conditional Normalizing Flow (l-ACNF). We find that the autocorrelation times
of l-ACNF models outperform an equivalent normalizing flow model on the full
lattice by orders of magnitude when sampling $\phi^{4}$ theory on a 2
dimensional lattice.
- Abstract（参考訳）: 流れに基づくサンプリング手法の正規化は、従来の格子量子場理論のシミュレーションに関連する計算上の課題に取り組むことに成功している。
さらに、基礎となるニューラルネットワークにおける作用積分のゲージと変換不変性が組み込まれ、これらのモデルにおける効率的なトレーニングと推論につながった。
本稿では, 局所自己回帰的条件正規化フロー (l-ACNF) と呼ばれる自己回帰過程において, 一定時間部分格子をサンプリングする条件正規化フローの入力領域への簡易化をもたらす作用積分の局所性を統合する。
l-acnfモデルの自己相関時間は、2次元格子上の$\phi^{4}$理論をサンプリングする際に、全格子上の等価な正規化フローモデルよりも桁違いに変化する。
関連論文リスト
- Reflected Flow Matching [36.38883647601013]
連続正規化フロー(CNF)は通常の微分方程式を学習し、先行サンプルをデータに変換する。
流れマッチング (FM) は, 条件付速度場に向けて速度モデルを回帰させることによりCNFを訓練するシミュレーションのない手法として登場した。
シミュレーション不要な条件付き速度場をマッチングすることにより, 反射型CNFの速度モデルをトレーニングするための反射流マッチング(RFM)を提案する。
論文 参考訳（メタデータ） (2024-05-26T14:09:43Z) - Detecting and Mitigating Mode-Collapse for Flow-based Sampling of
Lattice Field Theories [6.222204646855336]
格子場理論の文脈における正規化流れのモード崩壊の結果について検討する。
本稿では,モード崩壊の度合いを定量化し,その結果の偏りを導出する指標を提案する。
論文 参考訳（メタデータ） (2023-02-27T19:00:22Z) - Aspects of scaling and scalability for flow-based sampling of lattice
QCD [137.23107300589385]
格子場理論におけるサンプリングへの機械学習正規化流れの最近の応用は、そのような手法が臨界減速と位相凍結を緩和できる可能性を示唆している。
最先端の格子量子色力学計算に適用できるかどうかはまだ定かではない。
論文 参考訳（メタデータ） (2022-11-14T17:07:37Z) - Gauge-equivariant flow models for sampling in lattice field theories
with pseudofermions [51.52945471576731]
本研究は,フェルミオン行列式の推定器として擬フェルミオンを用いたフェルミオン格子場理論におけるフローベースサンプリングのためのゲージ不変アーキテクチャを提案する。
これは最先端の格子場理論計算におけるデフォルトのアプローチであり、QCDのような理論へのフローモデルの実践的応用に欠かせない。
論文 参考訳（メタデータ） (2022-07-18T21:13:34Z) - Efficient CDF Approximations for Normalizing Flows [64.60846767084877]
正規化フローの微分同相性に基づいて、閉領域上の累積分布関数(CDF)を推定する。
一般的なフローアーキテクチャとUCIデータセットに関する実験は,従来の推定器と比較して,サンプル効率が著しく向上したことを示している。
論文 参考訳（メタデータ） (2022-02-23T06:11:49Z) - 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) - Moser Flow: Divergence-based Generative Modeling on Manifolds [49.04974733536027]
Moser Flow (MF) は連続正規化フロー(CNF)ファミリーにおける新しい生成モデルのクラスである
MFは、訓練中にODEソルバを介して呼び出しやバックプロパゲートを必要としない。
一般曲面からのサンプリングにおけるフローモデルの利用を初めて実演する。
論文 参考訳（メタデータ） (2021-08-18T09:00:24Z) - Learning Likelihoods with Conditional Normalizing Flows [54.60456010771409]
条件正規化フロー(CNF)はサンプリングと推論において効率的である。
出力空間写像に対する基底密度が入力 x 上で条件づけられた CNF について、条件密度 p(y|x) をモデル化する。
論文 参考訳（メタデータ） (2019-11-29T19:17:58Z)
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。