基于物理信息神经网络的 SU(N) 格点规范理论
高能物理 - 格点
2025-11-03 v1
摘要
我们展示了将物理信息神经网络 (Physics-Informed Neural Networks, PINNs) 应用于 SU(Nc) 格点规范理论研究的案例。该方法 enables 在任意规范耦合强度下学习本征函数和本征值，能够平滑地从已知的强耦合 regime 移动到较弱的耦合 regime。通过将 Schrödinger 方程及其本征态的对称性直接编码到损失函数中，网络能够进行无监督的谱域探索。我们在单平面 U(1) 和 SU(2) 纯规范理论上进行了验证，结果表明 PINNs 成功复现了能级层次结构及其对应的波函数。
引用
@article{arxiv.2510.26904,
title = {$\mathrm{SU(N)}$ lattice gauge theories with Physics-Informed Neural Networks},
author = {Simone Romiti},
journal= {arXiv preprint arXiv:2510.26904},
year = {2025}
}