格点规范等变神经网络的应用
高能物理 - 格点
2023-01-11 v1 机器学习
高能物理 - 理论
摘要
将相关物理信息引入神经网络架构已成为一种广泛采用且成功的提升其性能的策略。在格点规范理论中，此类信息可等同于规范对称性，我们最近提出的格点规范等变卷积神经网络（L-CNN）已将其纳入网络层。与传统神经网络相比，L-CNN 能更好地泛化到不同尺寸的格点，并且按构造在格点规范变换下具有等变性。在本会议报告中，我们展示了 L-CNN 在 Wilson 流或连续归一化流方面可能应用的进展。我们的方法基于神经常微分方程，其允许我们以规范等变的方式修改链接构型。为简便起见，我们聚焦于简单的玩具模型以在实践中检验这些想法。
引用
@article{arxiv.2212.00832,
title = {Applications of Lattice Gauge Equivariant Neural Networks},
author = {Matteo Favoni and Andreas Ipp and David I. Müller},
journal= {arXiv preprint arXiv:2212.00832},
year = {2023}
}
备注
8 pages, 4 figures, proceedings of XVth Quark Confinement and the Hadron Spectrum conference