論文の概要: Efficient Learning of Lattice Gauge Theories with Fermions
- arxiv url: http://arxiv.org/abs/2512.19891v1
- Date: Mon, 22 Dec 2025 21:34:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-24 19:17:49.670607
- Title: Efficient Learning of Lattice Gauge Theories with Fermions
- Title（参考訳）: フェルミオンを用いた格子ゲージ理論の効率的な学習
- Authors: Shreya Shukla, Yukari Yamauchi, Andrey Y. Lokhov, Scott Lawrence, Abhijith Jayakumar,
- Abstract要約: 格子場理論における行動パラメータの回復のための学習手法を提案する。
本手法は,シュウィンガー・ダイソン関係を用いた凸損失関数の最小化に基づく。
我々はこの手法を量子色力学を含む現実的な格子場理論に拡張する。
- 参考スコア（独自算出の注目度）: 2.6967769052209865
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce a learning method for recovering action parameters in lattice field theories. Our method is based on the minimization of a convex loss function constructed using the Schwinger-Dyson relations. We show that score matching, a popular learning method, is a special case of our construction of an infinite family of valid loss functions. Importantly, our general Schwinger-Dyson-based construction applies to gauge theories and models with Grassmann-valued fields used to represent dynamical fermions. In particular, we extend our method to realistic lattice field theories including quantum chromodynamics.
- Abstract（参考訳）: 格子場理論における行動パラメータの回復のための学習手法を提案する。
本手法は,シュウィンガー・ダイソン関係を用いた凸損失関数の最小化に基づく。
一般的な学習手法であるスコアマッチングは,無限に有効な損失関数の族を構成する特別な事例であることを示す。
重要なことに、我々の一般シュウィンガー・ダイソンに基づく構成は、力学フェルミオンを表すために用いられるグラスマン値の場を持つ理論やモデルに適用される。
特に、量子色力学を含む現実的な格子場理論に拡張する。
関連論文リスト
- Learning of Statistical Field Theories [3.160641766712591]
本稿では, 離散変数, 連続変数, ハイブリッド変数を持つシステムに一様に対応する逆問題に対するアプローチを提案する。
粗粒化下での手順の反復は, 完全な非摂動的再正規化群フローを再構築することを示す。
また、フルゲージ構成が不可能な現実的な設定に対処し、複数の場の理論に対する学習アルゴリズムを再構成する。
論文 参考訳（メタデータ） (2025-11-13T01:33:45Z) - Graph Neural Regularizers for PDE Inverse Problems [62.49743146797144]
本稿では,偏微分方程式(PDE)によって支配される多種多様な不測の逆問題を解くための枠組みを提案する。
有限要素法(FEM)を用いて前方問題の数値解法
我々は、物理に着想を得たグラフニューラルネットワークを学習正規化器として採用し、標準アプローチの頑健で解釈可能な、一般化可能な代替手段を提供する。
論文 参考訳（メタデータ） (2025-10-23T21:43:25Z) - Can Diffusion Models Disentangle? A Theoretical Perspective [37.21661224725838]
本稿では,拡散モデルが非交叉表現を学習する方法を理解するための新しい理論的枠組みを提案する。
我々は、一般的な非絡み付き潜在変数モデルの識別可能性条件を確立し、トレーニング力学を解析し、非絡み付き潜在部分空間モデルのサンプル複雑性境界を導出する。
論文 参考訳（メタデータ） (2025-03-31T20:46:18Z) - Learned Regularization for Inverse Problems: Insights from a Spectral Model [1.4963011898406866]
この章は、逆問題に対する最先端の学習アプローチに関する理論的に確立された調査を提供する。
正規化法とそれらの収束を、基礎となるデータ分布の観点から拡張した定義を与える。
論文 参考訳（メタデータ） (2023-12-15T14:50:14Z) - On the Dynamics Under the Unhinged Loss and Beyond [104.49565602940699]
我々は、閉形式力学を解析するための数学的機会を提供する、簡潔な損失関数であるアンヒンジド・ロスを導入する。
アンヒンジされた損失は、時間変化学習率や特徴正規化など、より実践的なテクニックを検討することができる。
論文 参考訳（メタデータ） (2023-12-13T02:11:07Z) - A PAC-Bayesian Perspective on the Interpolating Information Criterion [54.548058449535155]
補間系の性能に影響を及ぼす要因を特徴付ける一般モデルのクラスに対して,PAC-Bayes境界がいかに得られるかを示す。
オーバーパラメータ化モデルに対するテスト誤差が、モデルとパラメータの初期化スキームの組み合わせによって課される暗黙の正規化の品質に依存するかの定量化を行う。
論文 参考訳（メタデータ） (2023-11-13T01:48:08Z) - Learning Lattice Quantum Field Theories with Equivariant Continuous
Flows [10.124564216461858]
格子場理論の高次元確率分布から抽出する機械学習手法を提案する。
提案手法を$phi4$理論で検証し,提案したフローベース手法のサンプリング効率を体系的に上回っていることを示す。
論文 参考訳（メタデータ） (2022-07-01T09:20:05Z) - A Free Lunch from the Noise: Provable and Practical Exploration for
Representation Learning [55.048010996144036]
ある雑音仮定の下では、対応するマルコフ遷移作用素の線型スペクトル特性を自由な閉形式で得られることを示す。
本稿では,スペクトルダイナミクス埋め込み(SPEDE)を提案する。これはトレードオフを破り,雑音の構造を利用して表現学習のための楽観的な探索を完遂する。
論文 参考訳（メタデータ） (2021-11-22T19:24:57Z) - Conformal field theory from lattice fermions [77.34726150561087]
1+1次元の格子フェルミオンで与えられる共形場理論の厳密な格子近似を提供する。
これらの結果が共形場理論の量子シミュレーションに関連する明らかな誤差推定にどのように結びつくかを示す。
論文 参考訳（メタデータ） (2021-07-29T08:54:07Z) - Intrinsic Gaussian Processes on Manifolds and Their Accelerations by
Symmetry [9.773237080061815]
既存の手法は主に熱核推定のための低次元制約領域に焦点を当てている。
本研究は一般方程式上でGPを構築するための本質的なアプローチを提案する。
本手法は指数写像を用いてブラウン運動サンプル経路をシミュレーションすることにより熱核を推定する。
論文 参考訳（メタデータ） (2020-06-25T09:17:40Z)
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。