径向基函数神经网络在谱函数中的应用
高能物理 - 唯象学
2021-10-27 v1 核理论
摘要
从欧氏空间中的关联函数重建谱函数是一项具有挑战性的任务。本文采用径向基函数网络的机器学习技术，从有限数量的关联数据重建谱函数。为检验方法，我们首先通过混合若干 Breit-Wigner 传播子，利用模拟谱函数生成一类关联数据。我们发现，与其他传统方法 TSVD、Tikhonov 和 MEM 相比，我们的方法对正定与负谱函数均给出连续且统一的重建，这对于研究 QCD 相变尤为有用。此外，我们的方法在低频区域性能明显更优。这有利于提取与谱函数零频极限相关的输运系数。利用通过应力能量张量模型谱函数生成的模拟数据，我们发现该方法能精确且稳定地提取输运系数。
引用
@article{arxiv.2106.08168,
title = {Application of radial basis functions neutral networks in spectral functions},
author = {Meng Zhou and Fei Gao and Jingyi Chao and Yu-Xin Liu and Huichao Song},
journal= {arXiv preprint arXiv:2106.08168},
year = {2021}
}
备注
10 pages, 7 figures