SU(3) 晶格规范理论中随机归一化流的尺度
高能物理 - 格点
2025-05-06 v3 统计力学
机器学习
机器学习
摘要
非平衡马尔可夫链蒙特卡罗 (NE-MCMC) 模拟提供了一个基于 Jarzynski 定律来采样目标概率分布的 well 理解的框架，通过将基准概率分布驱动出平衡，无需热化即可计算可观测量。如果基准分布具有温和的自相关，这种方法提供了缓解临界减缓的途径。非平衡演化共享基于流方法的同一框架，并且可以自然地组合称为随机归一化流 (SNFs) 的新型架构。在本工作中，我们在四维 SU(3) 晶格规范理论中实现了 SNFs 的首个实例，通过在非平衡蒙特卡罗更新之间引入规范等变层来实现。我们的分析核心聚焦于该架构在系统自由度上的有前景的尺度属性，这些属性直接继承自 NE-MCMC。最后，我们讨论了本方法的系统性改进如何在粗晶格尺度下为受长自相关时间影响的可观测量提供通用且高效的采样策略。
引用
@article{arxiv.2412.00200,
title = {Scaling of Stochastic Normalizing Flows in $\mathrm{SU}(3)$ lattice gauge theory},
author = {Andrea Bulgarelli and Elia Cellini and Alessandro Nada},
journal= {arXiv preprint arXiv:2412.00200},
year = {2025}
}
备注
14 pages, 12 figures. v2: 14 pages, 13 figures, added comments and improved discussion in section 5, matches published version. v3: fixed figure 7, added missing footnote