論文の概要: A scalable flow-based approach to mitigate topological freezing

• arxiv url: http://arxiv.org/abs/2601.20708v1
• Date: Wed, 28 Jan 2026 15:40:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-29 15:46:07.00329
• Title: A scalable flow-based approach to mitigate topological freezing
• Title（参考訳）: トポロジカル凍結を緩和するスケーラブルなフローベースアプローチ
• Authors: Claudio Bonanno, Andrea Bulgarelli, Elia Cellini, Alessandro Nada, Dario Panfalone, Davide Vadacchino, Lorenzo Verzichelli,
• Abstract要約: マルコフチェインモンテカルロシミュレーションからトポロジカルアーティファクトを除去するフローベース戦略を提案する。 この戦略は、非平衡モンテカルロ更新を局所的で頑丈な欠陥層に置き換える正規化フロー(SNF)に基づいている。 欠点SNFは、同等のコストで非平衡法を再現するよりも優れた性能を示す。
• 参考スコア（独自算出の注目度）: 34.54607280864912
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As lattice gauge theories with non-trivial topological features are driven towards the continuum limit, standard Markov Chain Monte Carlo simulations suffer for topological freezing, i.e., a dramatic growth of autocorrelations in topological observables. A widely used strategy is the adoption of Open Boundary Conditions (OBC), which restores ergodic sampling of topology but at the price of breaking translation invariance and introducing unphysical boundary artifacts. In this contribution we summarize a scalable, exact flow-based strategy to remove them by transporting configurations from a prior with a OBC defect to a fully periodic ensemble, and apply it to 4d SU(3) Yang--Mills theory. The method is based on a Stochastic Normalizing Flow (SNF) that alternates non-equilibrium Monte Carlo updates with localized, gauge-equivariant defect coupling layers implemented via masked parametric stout smearing. Training is performed by minimizing the average dissipated work, equivalent to a Kullback--Leibler divergence between forward and reverse non-equilibrium path measures, to achieve more reversible trajectories and improved efficiency. We discuss the scaling with the number of degrees of freedom affected by the defect and show that defect SNFs achieve better performances than purely stochastic non-equilibrium methods at comparable cost. Finally, we validate the approach by reproducing reference results for the topological susceptibility.
• Abstract（参考訳）: 非自明な位相的特徴を持つ格子ゲージ理論は連続極限に向かって駆動されるので、標準マルコフ・チェイン・モンテカルロシミュレーションは位相的凍結、すなわち位相的可観測物における自己相関の劇的な成長に苦しむ。 広く使われている戦略はオープンバウンダリ条件(OBC)の採用である。これはトポロジのエルゴード的なサンプリングを復元するが、翻訳不変性を破り、非物理的境界アーティファクトを導入するという価格で利用できる。 このコントリビューションでは、OBC欠陥のある前者から完全に周期的なアンサンブルに構成を移動させることで、それらを除去するスケーラブルで正確なフローベースの戦略を要約し、4d SU(3) Yang-Mills理論に適用する。 この方法は、非平衡モンテカルロ更新をマスク付きパラメトリックストートスミアリングにより実装された局所的、ゲージ同変欠陥結合層に置き換える確率正規化フロー(SNF)に基づいている。 トレーニングは、より可逆的な軌道を達成し、効率を向上させるために、前と逆の非平衡経路測度間のクルバック-リブラー分岐に匹敵する平均散逸作業を最小限にすることで行われる。 本稿では,欠陥による自由度数によるスケーリングについて論じ,欠陥SNFが同等のコストで純粋に確率的でない非平衡法よりも優れた性能を発揮することを示す。 最後に、トポロジカル・サセプティビリティーの基準結果を再現してアプローチを検証する。

関連論文リスト

• SIGMA: Scalable Spectral Insights for LLM Collapse [51.863164847253366]
  SIGMA(Spectral Inequalities for Gram Matrix Analysis)は,モデル崩壊のための統一的なフレームワークである。 行列のスペクトル上の決定論的境界を導出するベンチマークを利用することで、SIGMAは表現空間の収縮を追跡するために数学的に基底化された計量を提供する。 我々は、SIGMAが状態への遷移を効果的に捉え、崩壊のメカニズムに関する理論的知見の両方を提供することを示した。
  論文  参考訳（メタデータ） (2026-01-06T19:47:11Z)
• Scaling flow-based approaches for topology sampling in $\mathrm{SU}(3)$ gauge theory [34.54607280864912]
  格子ゲージ理論の連続極限に近づく際に位相凍結を緩和するための平衡外シミュレーションに基づく方法論を開発する。 開境界条件を用いて位相電荷の自己相関を低減し、非平衡モンテカルロ法を用いてその非物理的効果を正確に除去する。 我々は、純粋に非平衡なアプローチに関して優れた性能を得、より効率的な将来のフローベースソリューションの道を開く。
  論文  参考訳（メタデータ） (2025-10-29T17:12:21Z)
• Scaling of Stochastic Normalizing Flows in $\mathrm{SU}(3)$ lattice gauge theory [44.99833362998488]
  非平衡マルコフ連鎖モンテカルロシミュレーションは、ターゲット確率分布からのサンプルに対するジャージンスキーの等式に基づくよく理解されたフレームワークを提供する。 平衡外進化はフローベースアプローチの同じ枠組みを共有しており、自然に正規化フロー(SNF)と呼ばれる新しいアーキテクチャに結合することができる。 4次元における$mathrmSU(3)$の格子ゲージ理論に対するSNFの最初の実装は、非平衡モンテカルロ更新の間にゲージ同変層を導入することで定義される。
  論文  参考訳（メタデータ） (2024-11-29T19:01:05Z)
• 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)
• On the Convergence of Stochastic Extragradient for Bilinear Games with Restarted Iteration Averaging [96.13485146617322]
  本稿では, ステップサイズが一定であるSEG法の解析を行い, 良好な収束をもたらす手法のバリエーションを示す。 平均化で拡張した場合、SEGはナッシュ平衡に確実に収束し、スケジュールされた再起動手順を組み込むことで、その速度が確実に加速されることを証明した。
  論文  参考訳（メタデータ） (2021-06-30T17:51:36Z)
• 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)

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。