用于重构禁闭粒子谱函数与复极点的神经网络方法
高能物理 - 格点
2022-12-26 v2 机器学习
高能物理 - 唯象学
计算物理
摘要
从传播子数据重构谱函数是困难的，因为求解解析延拓问题或施加逆积分变换都是不适定问题。近期工作提出使用神经网络来解决此问题，并展示了有前景的结果，其性能与其他方法相当或有所提升。我们推广了这一方法，不仅重构谱函数，还重构（可能的）复极点对的集合或红外（IR）截断。我们在具有物理动机的玩具函数上训练网络，检验重构精度并测试其对噪声的鲁棒性。在玩具函数以及胶子传播子的真实格点QCD数据上均获得了令人鼓舞的结果，表明该方法可能显著优于当前最先进的方法。
引用
@article{arxiv.2203.03293,
title = {Neural network approach to reconstructing spectral functions and complex poles of confined particles},
author = {Thibault Lechien and David Dudal},
journal= {arXiv preprint arXiv:2203.03293},
year = {2022}
}
备注
10 pages, 5 figures, accepted version for publication in SciPost Physics