Learning the generating functional for variance reduction in lattice QCD
学习格点QCD中方差约化的生成泛函
机构 * Physics Department, Columbia University(哥伦比亚大学物理系) ; Center for Theoretical Physics, Massachusetts Institute of Technology(麻省理工学院理论物理中心) ; Fermi National Accelerator Laboratory(费米国家加速器实验室) ; Higgs Centre for Theoretical Physics, School of Physics and Astronomy, University of Edinburgh(爱丁堡大学物理与天文学学院希格斯理论物理中心) ; Albert Einstein Center, Institute for Theoretical Physics, University of Bern(伯尔尼大学爱因斯坦中心理论物理研究所) ; NSF AI Institute for Artificial Intelligence and Fundamental Interactions(国家科学基金会人工智能与基本相互作用AI研究所)
AI总结 利用机器学习归一化流编码生成泛函表示,系统降低格点规范场论中任意N点关联函数的方差,在QCD和杨-米尔斯理论中实现高达三个数量级的方差约化。
Comments 8 pages, 3 figures