用机器学习方法确定临界自对偶 Ising-Higgs 规范模型的算符内容
强关联电子
2025-01-07 v1 无序系统与神经网络
统计力学
高能物理 - 格点
高能物理 - 理论
摘要
我们研究了 自对偶线上 Ising-Higgs 规范理论的临界性质，该问题近来存在争议。我们首次利用机器学习技术确定了相关场论的低能算符内容。我们的方法使我们能够在很大程度上反驳涌现电流算符的存在，并随之反驳该相变属于 普适类的既有猜想。我们将这些结果与针对 Ashkin-Teller 横场 Ising 模型所得结果进行对比，在后者中我们找到了预期的电流算符。我们的数值技术扩展了最近提出的实空间互信息方法，使我们能够提取次主导的非线性算符。这提供了一种受控且计算可扩展的方法，可从蒙特卡洛数据中瞄准 CFT 谱并判别 之外的普适类。
引用
@article{arxiv.2311.17994,
title = {Machine Learning the Operator Content of the Critical Self-Dual Ising-Higgs Gauge Model},
author = {Lior Oppenheim and Maciej Koch-Janusz and Snir Gazit and Zohar Ringel},
journal= {arXiv preprint arXiv:2311.17994},
year = {2025}
}