論文の概要: Numerical determination of the width and shape of the effective string using Stochastic Normalizing Flows

• arxiv url: http://arxiv.org/abs/2409.15937v1
• Date: Tue, 24 Sep 2024 09:59:44 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-26 08:01:40.777988
• Title: Numerical determination of the width and shape of the effective string using Stochastic Normalizing Flows
• Title（参考訳）: 確率正規化流を用いた有効弦の幅と形状の数値解析
• Authors: Michele Caselle, Elia Cellini, Alessandro Nada,
• Abstract要約: フローベースアーキテクチャは,格子上に正規化された有効弦理論の数値シミュレーションにおいて,効率的なツールであることが証明されている。 本研究では,非平衡モンテカルロシミュレーションに基づく最先端ディープラーニングアーキテクチャである正規化フローを用いて,異なる実効文字列モデルについて検討する。
• 参考スコア（独自算出の注目度）: 44.99833362998488
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Flow-based architectures have recently proved to be an efficient tool for numerical simulations of Effective String Theories regularized on the lattice that otherwise cannot be efficiently sampled by standard Monte Carlo methods. In this work we use Stochastic Normalizing Flows, a state-of-the-art deep-learning architecture based on non-equilibrium Monte Carlo simulations, to study different effective string models. After testing the reliability of this approach through a comparison with exact results for the Nambu-Got\={o} model, we discuss results on observables that are challenging to study analytically, such as the width of the string and the shape of the flux density. Furthermore, we perform a novel numerical study of Effective String Theories with terms beyond the Nambu-Got\={o} action, including a broader discussion on their significance for lattice gauge theories. These results establish the reliability and feasibility of flow-based samplers for Effective String Theories and pave the way for future applications on more complex models.
• Abstract（参考訳）: フローベースアーキテクチャは, 標準モンテカルロ法では効率的にサンプリングできない格子上に正規化された有効弦理論の数値シミュレーションの効率的なツールであることが最近証明された。 本研究では、非平衡モンテカルロシミュレーションに基づく最先端のディープラーニングアーキテクチャである確率正規化フローを用いて、異なる実効文字列モデルの研究を行う。 このアプローチの信頼性を,Nambu-Got\={o}モデルの正確な結果と比較して検証した後,弦の幅やフラックス密度の形状など解析的に研究が難しい観測値について検討した。 さらに,Nambu-Got\={o} アクションを超えて,有効弦理論の新たな数値的研究を行い,格子ゲージ理論の意義についてより広範な議論を行った。 これらの結果から,フローベースの実効文字列理論に対するスケジューラの信頼性と実現可能性を確立し,より複雑なモデルへの将来の応用の道を開いた。

関連論文リスト

• Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
  シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。 本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。 提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
  論文  参考訳（メタデータ） (2024-04-11T09:23:36Z)
• Online Variational Sequential Monte Carlo [49.97673761305336]
  我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。 オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
  論文  参考訳（メタデータ） (2023-12-19T21:45:38Z)
• Sampling the lattice Nambu-Goto string using Continuous Normalizing Flows [49.1574468325115]
  ESTはヤン・ミルズ理論における閉じ込めを記述するための強力な非摂動的アプローチである。 そこで本研究では,新しい階層の深部生成モデルを用いることで,EST予測の信頼性の高い数値推定値が得られることを示す。
  論文  参考訳（メタデータ） (2023-07-03T15:34:36Z)
• Conditional Measurement Density Estimation in Sequential Monte Carlo via Normalizing Flow [12.161649672131286]
  本研究では, 条件付き正規化フローを用いて, 測定モデルにおける表現的, 有効な確率密度を学習することを提案する。 提案手法は,視覚的トラッキング実験において,推定性能の向上とトレーニング収束の高速化につながることを示す。
  論文  参考訳（メタデータ） (2022-03-16T13:35:16Z)
• 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)
• Slice Sampling for General Completely Random Measures [74.24975039689893]
  本稿では, 後続推定のためのマルコフ連鎖モンテカルロアルゴリズムについて, 補助スライス変数を用いてトランケーションレベルを適応的に設定する。 提案アルゴリズムの有効性は、いくつかの一般的な非パラメトリックモデルで評価される。
  論文  参考訳（メタデータ） (2020-06-24T17:53:53Z)
• Amortized Bayesian model comparison with evidential deep learning [0.12314765641075436]
  本稿では,専門的なディープラーニングアーキテクチャを用いたベイズモデルの比較手法を提案する。 提案手法は純粋にシミュレーションベースであり,観測された各データセットに対して,すべての代替モデルを明示的に適合させるステップを回避している。 提案手法は,本研究で検討した事例に対して,精度,キャリブレーション,効率の点で優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-04-22T15:15:46Z)

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。