神经网络揭示保形关联子中的普遍偏置
高能物理 - 理论
2026-04-22 v1
摘要
我们提议，简单神经网络 (NN) 可在给定外部尺度维数、光谱间隙以及关联子在单点处的值这三项最小输入下，以惊人的精度重构保形关联子沿某一直线的取值。我们在广泛的保形理论和维度范围内，对四点函数和热two-point函数都提供了证据。我们将这些观察归因于基于梯度的 NN 训练的光谱偏置，这似乎与保形场论内在的平滑性属性相吻合。这表明存在一种新的保形关联子变分原理，并为非扰动量子场论开辟了一条强大的新计算框架。
引用
@article{arxiv.2604.18673,
title = {Neural Networks Reveal a Universal Bias in Conformal Correlators},
author = {Kausik Ghosh and Sidhaarth Kumar and Vasilis Niarchos and Andreas Stergiou},
journal= {arXiv preprint arXiv:2604.18673},
year = {2026}
}
备注
9 pages, 3 figures