Skip to main content
QUICK REVIEW

[논문 리뷰] Differential Reduction Algorithms for the All-Order Epsilon Expansion of Hypergeometric Functions

S.A. Yost, M.Yu. Kalmykov|ArXiv.org|2008. 08. 19.
Polynomial and algebraic computation참고 문헌 8인용 수 9
한 줄 요약

이 논문은 반복적 적분과 일반화된 다중리로그 함수를 사용하여 정수 매개변수 값 주변에서 Appell 초함수 $F_1$의 전순서 ε-전개를 계산하기 위한 미분 감소 알고리즘을 제시한다. 이 방법은 연쇄적인 미분방정식을 재귀적으로 풀어 ε에 대한 로렌트 급수 계수를 체계적으로 구성하며, 니엘슨 다중리로그 함수와 다중리로그 함수로 표현된 첫 번째 몇 항의 명시적 표현을 도출한다.

ABSTRACT

Hypergeometric functions provide a useful representation of Feynman diagrams occuring in precision phenomenology. In dimension regularization, the epsilon-expansion of these functions about d=4 is required. We discuss the current status of differential reduction algorithms. As an illustration, we consider the construction of the all-order epsilon-expansion of the Appell hypergeometric function about integer values of the parameters and present an explicit evaluations of the first few terms.

연구 동기 및 목표

  • 차원 정규화에서 초함수의 전순서 ε-전개를 체계적으로 계산하기 위한 방법을 개발하는 것.
  • 정수 매개변수 값 주변에서 초함수의 로렌트 급수 전개를 구성하는 데 도전하는 문제를 해결하는 것 — 정밀 양자장론에서의 핵심 문제.
  • 고전적 특수함수로 표현된 고차 ε-전개 계수를 제공하는 미분방정식과 반복적 적분 기반의 반복 알고리즘 개발.
  • F1의 ε-전개의 첫 번째 몇 항을 명시적으로 계산하여 방법의 효율성을 입증하는 것.

제안 방법

  • 이 방법은 매개변수를 이동시킨 함수와 그 1차 도함수들의 선형 조합으로 $F_1(a,b_1,b_2,c;z_1,z_2)$ 를 표현하기 위해 미분 감소를 활용한다.
  • 이것은 $z_1$과 $z_2$에서 연쇄된 미분방정식을 만족하는 기저 함수 $\omega_0(z_1,z_2) = F_1(a\varepsilon, b_1\varepsilon, b_2\varepsilon, 1+c\varepsilon; z_1, z_2)$ 를 사용한다.
  • ε에 대한 전개는 ε의 각 차수에서 차례로 미분방정식을 풀어 반복적으로 구성되며, 특성 방법을 사용해 $C = z_2/z_1$ 를 매개변수로 하는 $z_1$에 대한 일阶 미분방정식으로 감소된다.
  • 해결 과정은 $I(a_k, \dots, a_1; z)$ 형태의 반복적 적분을 포함하며, 이는 $G$-함수를 통해 다중리로그 함수와 관련된다.
  • 알고리즘은 일반화된 리로그 함수, 즉 $\text{Li}_2$, $\text{Li}_3$, $S_{1,2}$ 함수를 포함하여 계수 $\omega_r^{(j)}(z_1,z_2)$ 를 표현한다.
  • 이 방법은 알려진 전순서 ε-전개를 갖는 가우스 초함수 ${}_2F_1$의 결과를 입력으로 사용하여 $F_1$ 전개를 구성한다.

실험 결과

연구 질문

  • RQ1Appell 초함수 $F_1$의 전순서 ε-전개를 정수 매개변수 값 주변에서 체계적으로 계산하는 방법은 무엇인가?
  • RQ2$F_1$의 ε-전개 계수는 리로그 함수와 같은 특수함수의 형태로 어떻게 구성되는가?
  • RQ3미분 감소와 반복적 적분 기법을 사용하여 $F_1$의 ε-전개를 위한 재귀적 알고리즘을 유도할 수 있는가?
  • RQ4ε-전개 계수는 더 단순한 ${}_2F_1$ 함수의 계수와 어떻게 관련이 있는가?

주요 결과

  • 비자명한 첫 번째 ε-전개 계수 $\omega_0^{(2)}(z_1,z_2)$ 는 $\sum_{r=1,2} ab_r \, \text{Li}_2(z_r)$ 로 주어지며, $\omega_r^{(2)}(z_1,z_2) = -\sum_{r=1,2} ab_r \ln(1 - z_r)$ 이다.
  • 세 번째 차수 계수 $\frac{1}{a}\omega_0^{(3)}(z_1,z_2)$ 는 $\text{Li}_3(z_r)$, $S_{1,2}(z_r)$ 및 $\frac{1 - z_1}{1 - z_2}$ 를 포함하는 비자명한 다중리로그 함수의 조합으로 표현된다.
  • 해결 구조는 모든 적분 성분이 $\frac{1}{1-t}$ 와 $\frac{1}{t}$ 에만 의존하도록 보장하여 최종 결과가 다중리로그 함수의 범주에 속함을 보장한다.
  • 이 방법은 $F_1$ 전개를 반복적 적분과 알려진 ${}_2F_1$ 전개로 감소시켜 모든 ε-거듭제곱의 반복 계산이 가능하게 하며, 전순서 ε-전개를 완전히 수행할 수 있도록 한다.
  • 알고리즘은 매개변수 이동 연산에 대해 자가 일관성 있고 닫혀 있으며, 전체 전순서 ε-전개를 완전히 수행할 수 있도록 한다.

더 나은 연구,지금 바로 시작하세요

논문 읽기부터 검토까지, 연구 시간을 획기적으로 줄여보세요.

카드 등록 없음 · 무료 플랜 제공

이 리뷰는 AI가 만들고, 인간 에디터가 검토했습니다.