朝向学习优化复杂 Langevin 内核
摘要：一种新的策略用于恢复复杂的Langevin模拟中的正确收敛性。中心思想是将系统特定的先验知识纳入到模拟中，以绕过NP难的符号问题。为了实现这一目的，我们使用核函数修改了复杂的Langevin，并提出使用现代自动微分方法学习最优的核值。优化过程是通过包含相关先验信息的泛函来引导的，例如对称性或欧几里德相关器数据。我们的方法可以在任何实时范围内恢复处于阳历-开迪什轮廓上的非相互作用理论的正确收敛性。对于强耦合量子非谐振子，我们实现了比之前的基准研究多三倍实时范围的正确收敛性。附录阐明了对于正确收敛，不仅边界项的不存在很重要，还需要正确的福克-普朗克频谱。
作者：Daniel Alvestad, Rasmus Larsen, Alexander Rothkopf
论文ID：2211.15625
分类：High Energy Physics - Lattice
分类简称：hep-lat
提交时间：2023-04-19