論文の概要: Machine learning a fixed point action for SU(3) gauge theory with a gauge equivariant convolutional neural network

• arxiv url: http://arxiv.org/abs/2401.06481v2
• Date: Wed, 02 Oct 2024 22:51:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-05 03:34:37.007007
• Title: Machine learning a fixed point action for SU(3) gauge theory with a gauge equivariant convolutional neural network
• Title（参考訳）: ゲージ同変畳み込みニューラルネットワークを用いたSU(3)ゲージ理論のための固定点作用の機械学習
• Authors: Kieran Holland, Andreas Ipp, David I. Müller, Urs Wenger,
• Abstract要約: 固定点格子作用は、離散化効果や量子レベルでの格子アーチファクトの減少の影響を受けない連続古典的性質を持つように設計されている。 ここでは、機械学習手法を用いて、固定点アクションのパラメータ化方法に関する質問を再考する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Fixed point lattice actions are designed to have continuum classical properties unaffected by discretization effects and reduced lattice artifacts at the quantum level. They provide a possible way to extract continuum physics with coarser lattices, thereby allowing one to circumvent problems with critical slowing down and topological freezing toward the continuum limit. A crucial ingredient for practical applications is to find an accurate and compact parametrization of a fixed point action, since many of its properties are only implicitly defined. Here we use machine learning methods to revisit the question of how to parametrize fixed point actions. In particular, we obtain a fixed point action for four-dimensional SU(3) gauge theory using convolutional neural networks with exact gauge invariance. The large operator space allows us to find superior parametrizations compared to previous studies, a necessary first step for future Monte Carlo simulations and scaling studies.
• Abstract（参考訳）: 固定点格子作用は、離散化効果や量子レベルでの格子アーチファクトの減少の影響を受けない連続古典的性質を持つように設計されている。 それらは、粗い格子で連続体物理学を抽出する方法を提供し、これにより、臨界減速と位相凍結を連続体限界に向けることで問題を回避できる。 実用上重要な要素は、多くの性質が暗黙的にのみ定義されるため、固定点作用の正確でコンパクトなパラメトリゼーションを見つけることである。 ここでは、機械学習手法を用いて、固定点アクションのパラメータ化方法に関する質問を再考する。 特に、正確なゲージ不変性を持つ畳み込みニューラルネットワークを用いた4次元SU(3)ゲージ理論の固定点作用を得る。 大きな作用素空間は、将来のモンテカルロシミュレーションとスケーリング研究に必要な第1ステップである、以前の研究と比べて優れたパラメトリゼーションを見つけることができる。

関連論文リスト

• CWF: Consolidating Weak Features in High-quality Mesh Simplification [50.634070540791555]
  これらの要件をすべて同時に検討するスムーズな機能を提案する。 この官能基は、通常の異方性項と、セトロイド型ボロノイテッセルレーション(CVT)エネルギー項を含む。
  論文  参考訳（メタデータ） (2024-04-24T05:37:17Z)
• A Mean-Field Analysis of Neural Stochastic Gradient Descent-Ascent for Functional Minimax Optimization [90.87444114491116]
  本稿では,超パラメトリック化された2層ニューラルネットワークの無限次元関数クラス上で定義される最小最適化問題について検討する。 i) 勾配降下指数アルゴリズムの収束と, (ii) ニューラルネットワークの表現学習に対処する。 その結果、ニューラルネットワークによって誘導される特徴表現は、ワッサーシュタイン距離で測定された$O(alpha-1)$で初期表現から逸脱することが許された。
  論文  参考訳（メタデータ） (2024-04-18T16:46:08Z)
• Third quantization of open quantum systems: new dissipative symmetries and connections to phase-space and Keldysh field theory formulations [77.34726150561087]
  3つの方法全てを明示的に接続する方法で第3量子化の手法を再構成する。 まず、我々の定式化は、すべての二次ボゾンあるいはフェルミオンリンドブラディアンに存在する基本散逸対称性を明らかにする。 ボソンに対して、ウィグナー関数と特徴関数は密度行列の「波動関数」と考えることができる。
  論文  参考訳（メタデータ） (2023-02-27T18:56:40Z)
• Universality of critical dynamics with finite entanglement [68.8204255655161]
  臨界近傍の量子系の低エネルギー力学が有限絡みによってどのように変化するかを研究する。 その結果、時間依存的臨界現象における絡み合いによる正確な役割が確立された。
  論文  参考訳（メタデータ） (2023-01-23T19:23:54Z)
• Optimizing one-axis twists for variational Bayesian quantum metrology [0.0]
  特に、量子ビット位相推定(回転センシング)は、電場センシング、磁気メソメトリー、原子時計、ジャイロスコープへの応用において、ユビキタスな問題として現れる。 任意軸ツイストアンサーゼと呼ばれるパラメタライズド符号化および復号化プロトコルの新たなファミリーを提案する。 対象推定誤差を達成するのに必要な1軸ツイスト数を大幅に削減できることを示す。
  論文  参考訳（メタデータ） (2022-12-23T16:45:15Z)
• Detecting Rotated Objects as Gaussian Distributions and Its 3-D Generalization [81.29406957201458]
  既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。 このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。 回転した物体をガウス分布としてモデル化することを提案する。 2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
  論文  参考訳（メタデータ） (2022-09-22T07:50:48Z)
• A view of mini-batch SGD via generating functions: conditions of convergence, phase transitions, benefit from negative momenta [14.857119814202754]
  運動量を持つミニバッチSGDは、大きな予測モデルを学ぶための基本的なアルゴリズムである。 そこで我々は,線形モデルに対する最小バッチSGDを,異なるモータとバッチサイズで解析する新しい分析フレームワークを開発した。
  論文  参考訳（メタデータ） (2022-06-22T14:15:35Z)
• GeoMol: Torsional Geometric Generation of Molecular 3D Conformer Ensembles [60.12186997181117]
  分子グラフからの分子の3Dコンホメーラーアンサンブルの予測は、化学情報学と薬物発見の領域において重要な役割を担っている。 既存の生成モデルは、重要な分子幾何学的要素のモデリングの欠如を含むいくつかの欠点がある。 エンド・ツー・エンド、非自己回帰、SE(3)不変の機械学習手法であるGeoMolを提案し、3Dコンバータを生成する。
  論文  参考訳（メタデータ） (2021-06-08T14:17:59Z)
• 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)
• Machine-learning physics from unphysics: Finding deconfinement temperature in lattice Yang-Mills theories from outside the scaling window [0.0]
  格子ゲージ理論の臨界挙動に応用した機械学習技術について検討する。 入力として格子パラメータの非物理値でゲージ場の格子構成を訓練したニューラルネットワークがゲージ不変関数を構築することを発見した。
  論文  参考訳（メタデータ） (2020-09-23T07:21:40Z)
• Topological defects and confinement with machine learning: the case of monopoles in compact electrodynamics [0.0]
  我々は、閉じ込めと切り離しフェーズを区別するために、モノポール構成のセットでニューラルネットワークを訓練する。 本モデルでは,アルゴリズムに実装された基準に依存する遷移温度を精度良く決定できることを示す。
  論文  参考訳（メタデータ） (2020-06-16T12:41:19Z)

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。