利用神经控制变量提高格点场论的计算精度

由于实际中可实现的样本数量有限，使用随机方法获得的结果具有固有的不确定性。在格点QCD中，这个问题在某些可观测量中尤为突出，例如涉及一个或多个重子的可观测量，并且它是阻碍从第一性原理计算核力的主要问题。控制变量法已在统计学中得到广泛应用，其核心是计算感兴趣的可观测量与另一个可观测量之差的期望值，后者的平均值已知为零，但与感兴趣的可观测量相关。最近，控制变量法在格点场论的背景下成为一种有前景的解决方案。在我们当前的研究中，我们不再依赖有根据的猜测来确定控制变量，而是利用神经网络来参数化这个函数。使用1+1维标量场论作为测试平台，我们证明了这种神经网络方法能带来显著的改进。值得注意的是，我们的发现表明，神经网络拟设在强耦合区域尤其有效。