論文の概要: Physics-Conditioned Diffusion Models for Lattice Gauge Theory
- arxiv url: http://arxiv.org/abs/2502.05504v1
- Date: Sat, 08 Feb 2025 09:50:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-11 14:29:40.758371
- Title: Physics-Conditioned Diffusion Models for Lattice Gauge Theory
- Title（参考訳）: 格子ゲージ理論のための物理条件付き拡散モデル
- Authors: Qianteng Zhu, Gert Aarts, Wei Wang, Kai Zhou, Lingxiao Wang,
- Abstract要約: 我々は格子ゲージ理論をシミュレートするための拡散モデルを開発し、量子化をサンプリングの物理条件として明示的に組み込む。
2つの時空次元におけるU(1)ゲージ理論の適用性を示す。
- 参考スコア（独自算出の注目度）: 9.0170155142412
- License:
- Abstract: We develop diffusion models for simulating lattice gauge theories, where stochastic quantization is explicitly incorporated as a physical condition for sampling. We demonstrate the applicability of this novel sampler to U(1) gauge theory in two spacetime dimensions and find that a model trained at a small inverse coupling constant can be extrapolated to larger inverse coupling regions without encountering the topological freezing problem. Additionally, the trained model can be employed to sample configurations on different lattice sizes without requiring further training. The exactness of the generated samples is ensured by incorporating Metropolis-adjusted Langevin dynamics into the generation process. Furthermore, we demonstrate that this approach enables more efficient sampling of topological quantities compared to traditional algorithms such as Hybrid Monte Carlo and Langevin simulations.
- Abstract（参考訳）: 我々は格子ゲージ理論をシミュレートするための拡散モデルを開発し、そこでは確率的量子化がサンプリングの物理条件として明示的に組み込まれている。
2つの時空次元におけるU(1)ゲージ理論の適用性を実証し、小さな逆結合定数で訓練されたモデルが、位相凍結問題に遭遇することなく、より大きな逆結合領域に外挿できることを見出した。
さらに、トレーニングされたモデルは、さらなるトレーニングを必要とせずに、さまざまな格子サイズの構成をサンプリングするために使用することができる。
生成したサンプルの正確性は、メトロポリス調整ランゲヴィンダイナミクスを生成プロセスに組み込むことによって保証される。
さらに,本手法は,Hybrid Monte Carlo や Langevin などの従来のアルゴリズムと比較して,より効率的なトポロジカル量のサンプリングを可能にすることを示す。
関連論文リスト
- Unveil Conditional Diffusion Models with Classifier-free Guidance: A Sharp Statistical Theory [87.00653989457834]
条件付き拡散モデルは現代の画像合成の基礎となり、計算生物学や強化学習などの分野に広く応用されている。
経験的成功にもかかわらず、条件拡散モデルの理論はほとんど欠落している。
本稿では,条件拡散モデルを用いた分布推定の急激な統計的理論を提示することにより,ギャップを埋める。
論文 参考訳（メタデータ） (2024-03-18T17:08:24Z) - Geometric Neural Diffusion Processes [55.891428654434634]
拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。
これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
論文 参考訳（メタデータ） (2023-07-11T16:51:38Z) - Modeling the space-time correlation of pulsed twin beams [68.8204255655161]
パラメトリックダウンコンバージョンによって生成される絡み合ったツインビームは、画像指向アプリケーションで好まれるソースである。
本研究では,時間消費数値シミュレーションと非現実的な平面波ポンプ理論のギャップを埋めることを目的とした半解析モデルを提案する。
論文 参考訳（メタデータ） (2023-01-18T11:29:49Z) - An optimal control perspective on diffusion-based generative modeling [9.806130366152194]
微分方程式(SDE)に基づく最適制御と生成モデルとの接続を確立する。
特にハミルトン・ヤコビ・ベルマン方程式を導出し、基礎となるSDE限界の対数密度の進化を制御している。
非正規化密度から抽出する新しい拡散法を開発した。
論文 参考訳（メタデータ） (2022-11-02T17:59:09Z) - 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) - 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) - Tensor lattice field theory with applications to the renormalization
group and quantum computing [0.0]
格子QCDの文脈で研究したモデル列に対する統計的サンプリングの成功と限界について論じる。
これらの格子モデルは、経路積分形式論における場積分を離散和に置き換えるテンソル法を用いて再構成可能であることを示す。
例えば、コールド原子を使った量子シミュレーション実験や、既存の量子コンピュータでプログラムするのに適したハミルトニアンを導出する。
論文 参考訳（メタデータ） (2020-10-13T16:46:34Z) - Equivariant flow-based sampling for lattice gauge theory [10.163463390007617]
2つの時空次元におけるU(1)ゲージ理論へのこの枠組みの適用を実証する。
パラメータ空間における臨界点の近さは、従来のサンプリング法よりも、トポロジカルな量のサンプリングにおいて桁違いに効率的である。
論文 参考訳（メタデータ） (2020-03-13T17:54:05Z)
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。