[논문 리뷰] Tackling critical slowing down using global correction steps with equivariant flows: the case of the Schwinger model

Jacob Finkenrath|arXiv (Cornell University)|2022. 01. 06.

Computational Physics and Python Applications인용 수 12

한 줄 요약

이 논문은 국소 게이지 장 갱신을 위한 등변성 흐름 기반 생성 모델과 계층적 페르미온 행렬식 차단, 그리고 전역 보정 단계를 결합한 새로운 알고리즘인 flowGC를 소개한다. 이는 격자 양성장 이론에서 임계 느려짐을 극복하기 위한 것이다. $N_f=2$ 윌슨 페르미온을 사용한 2차원 슈윙거 모형에 적용한 결과, $\beta=8.45$까지 거의 100%의 수용률을 기록했고, $128\times128$와 같은 큰 격자 크기에서도 위상 터널링 속도가 유지되었다. 이 방법은 블록 간 거리에 따라 변동성을 지수적으로 감소시켜 연속극 한계 영역에서 효율적인 샘플링을 가능하게 한다.

ABSTRACT

We propose a new method for simulating lattice gauge theories in the presence of fermions. The method combines flow-based generative models for local gauge field updates and hierarchical updates of the factorized fermion determinant. The flow-based generative models are restricted to proposing updates to gauge-fields within subdomains, thus keeping training times moderate while increasing the global volume. We apply our method performs to the 2-dimensional (2D) Schwinger model with $N_f=2$ Wilson Dirac fermions and show that no critical slowing down is observed in the sampling of topological sectors up to $\beta=8.45$. Furthermore, we show that fluctuations can be suppressed exponentially with the distance between active subdomains, allowing us to achieve acceptance rates of up to $99\%$ for the outer-most accept/reject step on lattices volumes of up to $V=128 imes128$.

연구 동기 및 목표

• 동적 페르미온이 있는 격자 양성장 이론에서 임계 느려짐을 해결하기 위해, 특히 위상 동결으로 인해 HMC가 실패하는 미세 격자 간격에서의 문제를 해결한다.
• 큰 체적에서 높은 수용률과 효율적인 위상 샘플링을 유지할 수 있는 확장 가능한 시뮬레이션 방법을 개발한다.
• 흐름 기반 생성 모델과 계층적 페르미온 행렬식 업데이트, 전역 보정 단계를 조합하여 대규모 시뮬레이션을 가능하게 한다.
• 전역 보정 단계의 변동성이 블록 간 거리에 따라 지수적으로 감소함을 보여주어 높은 수용률을 달성할 수 있음을 입증한다.
• 2차원 슈윙거 모형에 대해 $N_f=2$ 윌슨 페르미온을 적용하여 HMC보다 높은 $\beta$에서 성능이 뛰어나다는 것을 입증한다.

제안 방법

• 이 방법은 국소 하위영역에서의 국소 게이지 장 갱신을 위한 등변성 흐름 기반 생성 모델을 사용하여 학습 비용을 줄이고 확장 가능성을 높인다.
• 계층적 차단을 적용하여 페르미온 행렬식을 인과적으로 분해함으로써 다수의 수준에서 페르미온 행렬식을 효율적으로 계산한다.
• 국소 흐름 갱신 이후 전역 보정 단계를 적용하며, 잔류 오차를 보정하고 세부 균형을 보장하기 위해 메트로폴리스 수용/기각 메커니즘을 사용한다.
• 흐름 모델은 국소 하위영역에서 학습되며, 전역 보정 단계를 통해 전체 구성이 목표 버르츠만 분포를 만족하도록 보장한다.
• 전역 보정 단계의 수용률은 활성 블록 간 거리 $d$에 따라 지수적으로 의존하며, $\sigma^2 \propto \exp(-2d \cdot m_{PS})$로 표현된다.
• 알고리즘은 5단계 flowGC 체계로 구현되었으며, $l=8$개의 흐름 제안과 블록 크기 $L_b=16$를 통해 $128\times128$ 격자까지의 시뮬레이션을 가능하게 한다.

실험 결과

연구 질문

• RQ1 동적 페르미온이 있는 격자 양성장 이론에서 흐름 기반 생성 모델이 큰 격자 체적에 효과적으로 스케일업될 수 있는가?
• RQ2 국소 흐름 갱신과 전역 보정 단계를 조합하면, 미세 격자 간격에서 슈윙거 모형의 임계 느려짐을 제거할 수 있는가?
• RQ3 활성 하위영역 간 거리에 따라 전역 보정 단계의 분산은 어떻게 달라지는가?
• RQ4 HMC가 실패하는 $\beta=8.45$에서 이 방법이 높은 수용률과 효율적인 위상 샘플링을 유지할 수 있는가?
• RQ5 제안된 알고리즘에서 위상 터널링 속도는 격자 체적과 역 결합 상수에 따라 어떻게 스케일링되는가?

주요 결과

• 5단계 flowGC 알고리즘은 $128\times128$ 격자에서 $\beta=8.45$까지 위상 샘플링에서 임계 느려짐이 나타나지 않으며, 이는 HMC가 실제로 정지하는 상황이다.
• 전역 보정 단계의 수용률은 $128\times128$ 격자에서 최대 99%에 이를 정도이며, 블록 간 거리가 멀어질수록 변동성이 지수적으로 감소한다.
• flowGC의 위상 전하 터널링 속도는 $\beta$ 값에 관계없이 일정하게 유지되며, HMC의 경우 $\beta=6.0$를 초과하면 급격히 감소한다.
• $\beta=8.45$에서 flowGC 알고리즘은 HMC보다 두 개 이상의 지수 단위 높은 터널링 속도를 기록했으며, HMC는 90% 수용률로 최적화되어 있음에도 불구하고 그렇다.
• 전역 보정 단계의 분산은 $\sigma^2 \propto V/(m_{PS}\beta^{3/2}) \cdot \exp(-2d \cdot m_{PS})$로 스케일링되며, 이는 블록 크기를 원하는 정확도에 맞게 조정할 수 있음을 의미한다.
• 이 방법은 $128\times128$ 격자까지의 다양한 격자 체적에서 높은 성능을 유지하며, 연속극 한계 영역에서의 확장성과 강건성을 입증한다.