费米子符号涨落的深度学习
摘要：缓解费米子符号问题的方法：减去玻尔兹曼因子中的相位涨落。比较了几种涨落的参数化方式。如果没有足够高质量的参数化方式，可以通过训练神经网络来实现。在二维1+1时空中的阶梯式Thirring模型上进行实例验证，考察了使用更深的神经网络以及与已有的轮廓变形方法结合的效果。
作者：Scott Lawrence, Yukari Yamauchi
论文ID：2212.14606
分类：High Energy Physics - Lattice
分类简称：hep-lat
提交时间：2023-07-11