神经网络中的格点规范对称性
高能物理 - 格点
2021-11-09 v1 机器学习
高能物理 - 唯象学
高能物理 - 理论
机器学习
摘要
我们综述一种称为格点规范等变卷积神经网络（L-CNNs）的新型神经网络架构，它可应用于格点规范理论中的通用机器学习问题，同时精确保持规范对称性。我们讨论规范等变的概念，并借此显式构造规范等变卷积层与双线性层。使用看似简单的非线性回归任务比较L-CNNs与非等变CNNs的性能，其中L-CNNs展现出泛化能力，并相较非等变对应物在其预测中达到高度准确性。
引用
@article{arxiv.2111.04389,
title = {Lattice gauge symmetry in neural networks},
author = {Matteo Favoni and Andreas Ipp and David I. Müller and Daniel Schuh},
journal= {arXiv preprint arXiv:2111.04389},
year = {2021}
}
备注
10 pages, 3 figures, proceedings for the 38th International Symposium on Lattice Field Theory (LATTICE21)