[論文レビュー] Sampling the lattice Nambu-Goto string using Continuous Normalizing Flows

Michele Caselle, Elia Cellini+1 more|arXiv (Cornell University)|Jul 3, 2023

Computational Physics and Python ApplicationsComputer Science参考文献 76被引用数 3

ひとこと要約

本稿では、強い非線形性を示す格子ナムブ・ゴトーグラスモデルの効率的サンプリングを可能にする、連続正規化フロー（CNFs）を用いた新しい数値的手法を提案する。従来のモンテカルロ法では克服できなかった制限を克服し、分配関数やフラックスチューブ幅の高精度な計算が可能となり、従来の正則化手法では得られなかった高次の補正項の確認が可能になった。

ABSTRACT

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.

研究の動機と目的

• 強い非線形性を示すため、標準的なモンテカルロ法では数値的に扱いにくい格子ナムブ・ゴトーグラスのシミュレーションの困難さに対処すること。
• 連続正規化フロー（CNFs）が非摂動的量子場理論の生成モデルとしての妥当性と正確性を有するかを検証すること。
• 特にゼータ関数正則化が失敗する領域においても、ナムブ・ゴトーグラスモデルの分配関数およびフラックスチューブ幅を高精度に計算すること。
• 解析的に知られている予測と比較して、CNFの結果をベンチマーク化し、有効弦理論の計算における手法の信頼性を検証すること。
• 格子場理論における有効弦理論の高次補正項、および$T\bar{T}$-変換されたコンパクト化ボソンの研究への道筋を開くこと。

提案手法

• ナムブ・ゴトーアクションを二次元格子上で正則化し、数値的サンプリングに適したスピン模型に変換する。
• 連続正規化フロー（CNFs）を深層生成モデルとして用い、可逆的かつ微分可能な変換により、格子模型のボルツマン分布を学習する。
• CNFアーキテクチャを、場の配置の確率分布をモデル化するように訓練し、ストリング張力$\sigma$および系サイズ$L$の広い範囲で、相関のない効率的なサンプリングを可能にする。
• 従来のモンテカルロシミュレーションで一般的に用いられる比率推定器を必要とせず、直接的に分配関数$\log Z$を計算可能である。
• 大規模なパrameter空間$\sigma$、$R$、$L$を探索するために、トランスファーラーニングおよびGPU加速トレーニングを用いる。
• モデルの予測は、特にフラックスチューブ幅および分配関数に関して、ゼータ関数正則化から得られる既知の解析的結果と照合され、妥当性が検証された。

実験結果

リサーチクエスチョン

• RQ1 連続正規化フローは、格子ナムブ・ゴトーグラスモデルの標準的モンテカルロシミュレーションに代わる信頼性があり効率的な代替手段を提供できるか？
• RQ2 特に大$\sigma$領域において、CNFsが分配関数およびフラックスチューブ幅をどれほど正確に計算できるか？
• RQ3 従来の格子シミュレーションでは到達できない、フラックスチューブ幅の高次補正項をCNFsが検出できるか？
• RQ4 HMCと比較して、CNFsのサンプリング効率および自己相関性はどの程度優れているか？
• RQ5 この手法は、有効弦理論におけるナムブ・ゴトーアクションを超えた非摂動的補正項の研究に拡張可能か？

主な発見

• CNF手法は、ストリング張力$\sigma$の広い範囲で、解析的に知られているナムブ・ゴトーグラスモデルの分配関数を正確に再現した。
• フラックスチューブ幅は高精度に計算され、従来の高精度な格子ゲージ理論シミュレーションでは観測されなかった$1/\sigma$の次に高いオーダー補正項が確認された。
• 大$\sigma$領域、つまり$T\bar{T}$変換の摂動的領域においても、信頼性のあるサンプリングが可能であり、標準的HMCアルゴリズムでは到達できない領域をカバーした。
• HMCでは系サイズおよび$\sigma$の増加に伴い統合自己相関時間が著しく増加するが、CNFsではそのような劣化が見られず、サンプリング効率の優位性が示された。
• 従来のモンテカルロ法で用いられる比率推定器に依存せず、CNFsによる$\log Z$の直接計算が可能で、顕著な利点を示した。
• 本手法は、有効弦理論における高次補正項の研究、特に$T\bar{T}$-変換されたコンパクト化ボソンおよび剛体弦モデルの研究に新たな道を開いた。