Sampling the lattice Nambu-Goto string using Continuous Normalizing Flows

要約

効果的な弦理論 (EST) は、閉じ込め磁束管を細い振動する弦としてモデル化するヤン ミルズ理論における閉じ込めを説明するための強力な非摂動的なアプローチを表します。
EST の計算は通常、ゼータ関数の正則化を使用して実行されます。ただし、複雑すぎて実行できない観測量が関与する状況 (たとえば、磁束管の形状の研究や南部後藤 EST を超える高次の補正の研究など) もあります。
このように対処されました。
この論文では、この問題を回避するための機械学習手法の最近の進歩に基づいた数値的アプローチを提案します。
実験室として南部-後藤文字列を使用し、連続正規化フローと呼ばれる新しいクラスの深層生成モデルを使用することで、EST 予測の信頼できる数値推定値を取得できることを示します。

要約(オリジナル)

Effective String Theory (EST) represents a powerful non-perturbative approach to describe confinement in Yang-Mills theory that models the confining flux tube as a thin vibrating string. EST calculations are usually performed using the zeta-function regularization: however there are situations (for instance the study of the shape of the flux tube or of the higher order corrections beyond the Nambu-Goto EST) which involve observables that are too complex to be addressed in this way. In this paper we propose a numerical approach based on recent advances in machine learning methods to circumvent this problem. Using as a laboratory the Nambu-Goto string, we show that by using a new class of deep generative models called Continuous Normalizing Flows it is possible to obtain reliable numerical estimates of EST predictions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google