全息纠缠熵、Wilson圈与神经网络
高能物理 - 理论
2026-04-08 v1
摘要
我们将人工神经网络应用于全息反问题，通过使用Ryu-Takayanagi面积泛函作为可微分损失函数，从边界纠缠熵重建体几何。在AdS-Schwarzschild背景下验证后，该方法以1.7%的精度恢复了黑化因子。对于有限密度背景（如Gubser-Rocha模型），我们证明带状纠缠熵仅决定空间度规。我们通过引入全息Wilson圈数据解决了这一精确单函数简并问题，Wilson圈与类时度规耦合。我们提出了一种半解析反演方法，结合Bilson和Hashimoto的公式，以及一种最小化联合面积和Nambu-Goto作用量的通用三网络变分方法。该神经网络在无闭合形式导数关系的情况下，对两个度规函数均实现了低于0.2%的精度，建立了一个灵活框架以整合多种全息可观测量。
引用
@article{arxiv.2604.05970,
title = {Holographic entanglement entropy, Wilson loops, and neural networks},
author = {Veselin G. Filev},
journal= {arXiv preprint arXiv:2604.05970},
year = {2026}
}
备注
30 pages, 17 figures