高能物理 - 理论
[提交于 2024年8月31日
(v1)
,最后修订 2025年7月13日 (此版本, v2)]
标题: 变分蒙特卡罗方法与神经网络量子态在杨-米尔斯矩阵模型中的应用
标题: Variational Monte Carlo with Neural Network Quantum States for Yang-Mills Matrix Model
摘要: 我们基于神经网络量子态应用变分蒙特卡罗方法,使用神经自回归流架构作为我们的假设波函数,以确定强耦合下玻色子SU($N$) Yang-Mills型两矩阵模型的基态波函数。 以往文献暗示了这种在强耦合下的方法的不准确性。 在本工作中,通过格点蒙特卡罗模拟测试结果的准确性:我们对系统尺寸$N$的情况进行了基准测试,这些情况超出了暴力精确对角化方法的能力。 我们观察到,当本工作中使用的网络宽度足够大时,具有神经网络态的变分方法能够正确再现基态能量。 我们确认对于$N=2$和$3$得到了正确的结果,而获得$N=4$的精确值需要比本工作可用资源更多的资源。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.