論文の概要: Generalizable Equivariant Diffusion Models for Non-Abelian Lattice Gauge Theory

• arxiv url: http://arxiv.org/abs/2601.19552v1
• Date: Tue, 27 Jan 2026 12:44:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-28 15:26:51.316637
• Title: Generalizable Equivariant Diffusion Models for Non-Abelian Lattice Gauge Theory
• Title（参考訳）: 非アベリア格子ゲージ理論に対する一般化可能な等変拡散モデル
• Authors: Gert Aarts, Diaa E. Habibi, Andreas Ipp, David I. Müller, Thomas R. Ranner, Lingxiao Wang, Wei Wang, Qianteng Zhu,
• Abstract要約: ゲージ同変拡散モデルは非アベリア格子ゲージ理論の物理学を正確にモデル化できることを示す。 我々のネットワークアーキテクチャは格子ゲージ同変畳み込みニューラルネットワークに基づいている。
• 参考スコア（独自算出の注目度）: 3.2502697646193206
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We demonstrate that gauge equivariant diffusion models can accurately model the physics of non-Abelian lattice gauge theory using the Metropolis-adjusted annealed Langevin algorithm (MAALA), as exemplified by computations in two-dimensional U(2) and SU(2) gauge theories. Our network architecture is based on lattice gauge equivariant convolutional neural networks (L-CNNs), which respect local and global symmetries on the lattice. Models are trained on a single ensemble generated using a traditional Monte Carlo method. By studying Wilson loops of various size as well as the topological susceptibility, we find that the diffusion approach generalizes remarkably well to larger inverse couplings and lattice sizes with negligible loss of accuracy while retaining moderately high acceptance rates.
• Abstract（参考訳）: ゲージ同変拡散モデルは、2次元U(2)およびSU(2)ゲージ理論の計算によって例示されるように、Metropolis-adjusted annealed Langevin algorithm (MAALA)を用いて非アベリア格子ゲージ理論の物理学を正確にモデル化できることを実証する。 我々のネットワークアーキテクチャは格子上の局所的および大域的対称性を尊重する格子ゲージ同変畳み込みニューラルネットワーク(L-CNN)に基づいている。 モデルは、伝統的なモンテカルロ法を用いて生成された単一のアンサンブルに基づいて訓練される。 様々な大きさのWilsonループとトポロジカル・サセプティビリティの研究により、拡散法は、適度に高い受容率を維持しながら、精度の低下を無視できることなく、より大きな逆結合と格子サイズに驚くほどよく一般化することがわかった。

関連論文リスト

• Physics-Conditioned Diffusion Models for Lattice Gauge Theory [9.0170155142412]
  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。
  論文  参考訳（メタデータ） (2025-02-08T09:50:27Z)
• Entanglement and the density matrix renormalisation group in the generalised Landau paradigm [0.0]
  我々は、ギャップ付き対称量子格子モデルの基底状態の絡み合い構造を決定する。 エンタングルメントスペクトルの退化は、元のモデルからユニークな双対モデルへの双対変換によって生じることを示す。
  論文  参考訳（メタデータ） (2024-08-12T17:51:00Z)
• Enhancing lattice kinetic schemes for fluid dynamics with Lattice-Equivariant Neural Networks [79.16635054977068]
  我々はLattice-Equivariant Neural Networks (LENNs)と呼ばれる新しい同変ニューラルネットワークのクラスを提案する。 我々の手法は、ニューラルネットワークに基づく代理モデルLattice Boltzmann衝突作用素の学習を目的とした、最近導入されたフレームワーク内で開発されている。 本研究は,実世界のシミュレーションにおける機械学習強化Lattice Boltzmann CFDの実用化に向けて展開する。
  論文  参考訳（メタデータ） (2024-05-22T17:23:15Z)
• Scaling Riemannian Diffusion Models [68.52820280448991]
  非自明な多様体上の高次元タスクにスケールできることを示す。 我々は、$SU(n)$格子上のQCD密度と高次元超球面上の対照的に学習された埋め込みをモデル化する。
  論文  参考訳（メタデータ） (2023-10-30T21:27:53Z)
• 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)
• Normalizing flows for lattice gauge theory in arbitrary space-time dimension [135.04925500053622]
  格子ゲージ理論における場配置のサンプリングへの正規化フローの応用は、これまで2つの時空次元においてほぼ独占的に検討されてきた。 我々は、スケーラブルで正確なフローベースサンプリングアルゴリズムの鍵となる、トラクタブルで偏りのないジャコビアン行列式によるマスク付き自己回帰について論じる。 具体的には、4つの時空次元におけるSU(3)ゲージ理論への原理的応用の結果が報告される。
  論文  参考訳（メタデータ） (2023-05-03T19:54:04Z)
• General quantum algorithms for Hamiltonian simulation with applications to a non-Abelian lattice gauge theory [44.99833362998488]
  複数の量子数の相関変化からなる相互作用のクラスを効率的にシミュレートできる量子アルゴリズムを導入する。 格子ゲージ理論は、1+1次元のSU(2)ゲージ理論であり、1つのスタッガードフェルミオンに結合する。 これらのアルゴリズムは、アベリアおよび非アベリアゲージ理論と同様に高次元理論にも適用可能であることが示されている。
  論文  参考訳（メタデータ） (2022-12-28T18:56:25Z)
• 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)
• 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)
• Variational Monte Carlo simulation with tensor networks of a pure $\mathbb{Z}_3$ gauge theory in (2+1)d [0.688204255655161]
  テンソルネットワーク状態の変動最小化は、格子ゲージ理論の低エネルギー状態の探索を可能にする。 変分モンテカルロ法を用いて物理観測物を効率的に計算することができる。 これはこの方法に対する最初の原理の証明であり、変分パラメータの数を増やす固有の方法を提供する。
  論文  参考訳（メタデータ） (2020-08-03T13:59:42Z)

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。