MLMC：用于格点规范理论的机器学习蒙特卡洛方法

作者

Sam Foreman, Xiao-Yong Jin, James C. Osborn

摘要

本文提出了一种可训练的框架，用于高效生成规范场组态，并讨论了该方向的正在进行的工作。具体而言，作者考虑了从四维 $SU(3)$ 格点规范理论中采样组态的问题，并研究了分子动力学更新中的广义蛙跳（leapfrog）积分器，该积分器可以通过训练来提高采样效率。

主题/分类

• 学科领域：高能物理 - 格点（High Energy Physics - Lattice, hep-lat）
• 提交信息：2023年12月14日提交（v1），2023年12月18日修订（v2）

相关资源

• 代码：https://github.com/saforem2/l2hmc-qcd