从神经重构获取的Minkowski量子电动力学光谱函数：基准测试对比散射Dyson-Schwinger积分方程
高能物理 - 唯象学
2025-10-30 v1 机器学习
高能物理 - 格点
高能物理 - 理论
摘要
formulation了一个Minkowski空间中求解量子电动力学(QED)的Dyson-Schwinger积分方程(DSE)的Minkowskian物理信息神经网络方法(M--PINN)。我们新颖的策略融合了两种互补方法：(i)基于Lehmann表示和减法色散关系的散射求解器，和(ii)在相同的截断和规范化配置下(退化、彩虹、朗道规范)下学习fermion质量函数 的M--PINN，其损失函数集成了DSE残差并采用多尺度正则化，同时对spacelike分支采用单调性/平滑惩罚，方式与我们先前在欧几里得空间中的工作相同。基准测试显示，在从红外(IR)到紫外(UV)尺度的bothon-shell和动量减法方案中，M--PINN与散射解 quantitatively 一致。在受控环境中，M--PINN在保持计算紧凑和可微的同时复现了散射解，为扩展至更真实的顶点、去退化效应和不确定性感知变体铺平了道路。
引用
@article{arxiv.2510.24728,
title = {Spectral functions in Minkowski quantum electrodynamics from neural reconstruction: Benchmarking against dispersive Dyson--Schwinger integral equations},
author = {Rodrigo Carmo Terin},
journal= {arXiv preprint arXiv:2510.24728},
year = {2025}
}
备注
9 pages, 2 figures