PulseAugur
中
实时 09:48:08

AI驱动的预条件器加速晶格QCD模拟

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的无矩阵神经网络预条件器，用于加速晶格规范理论中的线性系统迭代求解器，特别应用于晶格量子色动力学（QCD）。该方法利用算子学习来构建有效的预条件器，而无需显式矩阵表示，从而显著减少了收敛所需的迭代次数。该方法在Schwinger模型中取得了成功，降低了线性系统的条件数，并对不同尺寸的狄拉克算子显示出零样本学习能力。 AI

影响 这种AI驱动的方法可以显著加速复杂的物理模拟，从而在高能物理学中实现新的发现。

排序理由 详细介绍科学模拟新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

AI驱动的预条件器加速晶格QCD模拟

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Yixuan Sun, Srinivas Eswar, Yin Lin, William Detmold, Phiala Shanahan, Xiaoye Li, Yang Liu, Prasanna Balaprakash ·

    用于晶格规范理论中狄拉克算子的无矩阵神经网络预条件子

    arXiv:2509.10378v2 Announce Type: replace-cross Abstract: Linear systems arise in generating samples and in calculating observables in lattice quantum chromodynamics~(QCD). Solving the Hermitian positive definite systems, which are sparse but ill-conditioned, involves using itera…

相关实体

相关话题