借助机器学习算法推断响应函数
量子物理
2025-01-22 v1
摘要
响应函数是描述强相互作用众多体系近似平衡动力学的关键量。最近的技术尝试通过正交多项式展开来克服计算这些 \emph{ab initio} 响应函数的挑战。我们采用神经网络预测算法来重构定义在频率范围内的响应函数 S(\omega)。我们将计算得到的响应函数表示为截断切比雀夫级数，其系数可用于减少表示误差。我们将使用神经网络 (NN) 计算得到的系数得到的响应函数质量与使用高斯积分变换 (GIT) 方法计算得到的响应函数进行比较。在切比雀夫级数仅保留少数项的 regime 中，我们发现 NN 方法优于 GIT 方法。
引用
@article{arxiv.2501.10583,
title = {Inference of response functions with the help of machine learning algorithms},
author = {Doga Murat Kurkcuoglu and Alessandro Roggero and Gabriel N. Perdue and Rajan Gupta},
journal= {arXiv preprint arXiv:2501.10583},
year = {2025}
}