PulseAugur
实时 09:48:10
English(EN) Variance reduction in lattice QCD observables via normalizing flows

归一化流减少晶格量子色动力学计算中的方差

研究人员开发了一种使用归一化流来减少晶格量子色动力学(QCD)计算中方差的方法。该方法已应用于SU(3)杨-米尔斯理论和两夸克量子色动力学中的胶子算子插入,在胶球关联函数和与强子结构相关的矩阵元中实现了10-60的方差减少因子。该技术展示了计算优势,并且方差减少在很大程度上独立于晶格体积,从而实现了优化的训练成本。 AI

影响 这项研究展示了归一化流(一种源于机器学习的技术)在复杂物理模拟中的新颖应用,为科学研究中更高效的计算方法铺平了道路。

排序理由 详细介绍物理模拟新计算方法的学术论文。[lever_c_research降级:ic=1 ai=0.7]

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 →

归一化流减少晶格量子色动力学计算中的方差

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Ryan Abbott, Denis Boyda, Yang Fu, Daniel C. Hackett, Gurtej Kanwar, Fernando Romero-L\'opez, Phiala E. Shanahan, Julian M. Urban ·

    通过归一化流在晶格QCD可观测量中实现方差缩减

    arXiv:2603.02984v2 Announce Type: replace-cross Abstract: Normalizing flows can be used to construct unbiased, reduced-variance estimators for lattice field theory observables that are defined by a derivative with respect to action parameters. This work implements the approach fo…