[论文解读] Lanczos algorithm for lattice QCD matrix elements

Daniel C. Hackett|arXiv (Cornell University)|Jul 31, 2024

Particle physics theoretical and experimental studies被引用 1

一句话总结

该论文将Lanczos算法的形式化框架从格点QCD谱学扩展到使用三线 correlator 函数的矩阵元计算。通过利用Ritz向量投影和过滤虚假态，该方法实现了对基态和激发态矩阵元的鲁棒、无需拟合的估计，具有双侧误差界限，并且对激发态污染和噪声的敏感性显著降低。

ABSTRACT

Recent work found that an analysis formalism based on the Lanczos algorithm allows energy levels to be extracted from Euclidean correlation functions with faster convergence than existing methods, two-sided error bounds, and no apparent signal-to-noise problems. We extend this formalism to the determination of matrix elements from three-point correlation functions. We demonstrate similar advantages over previously available methods in both signal-to-noise and control of excited-state contamination through example applications to noiseless mock-data as well as calculations of (bare) forward matrix elements of the strange scalar current between both ground and excited states with the quantum numbers of the nucleon.

研究动机与目标

• 开发一种从格点QCD中的三线相关函数中提取矩阵元的无需拟合的方法。
• 解决在矩阵元分析中激发态污染和指数衰减的信噪比带来的挑战。
• 将先前在谱学中取得成功的Lanczos形式化框架扩展到矩阵元估计，具有类似的优点。
• 通过限制到厄米子子空间，提供一种物理解释清晰的虚假态过滤机制。
• 证明基于Lanczos的矩阵元估计器行为更类似于多态拟合而非有效质量，且无需统计拟合。

提出的方法

• 该方法将矩阵元计算为涉及Ritz向量和三线相关函数的矩阵乘法：⟨f′|J|i⟩ ≈ Σστ P′∗fσ C3pt(σ,τ) / √(C′(0)C(0)) Piτ。
• 利用从两线相关函数中导出的Ritz系数P和P′，将三线相关函数投影到本征态近似上。
• 通过基于限制到厄米子子空间的物理准则，过滤掉虚假本征值。
• 在嵌套自助法框架内应用抗异常值的自助-中位数估计器，以增强稳定性并减少偏差。
• 通过直接从Lanczos谱计算矩阵元，避免了对相关函数拟合模型固有的归纳偏差。
• 该方法仅需与本征态识别相关的少量分析超参数，无需针对算符进行调优。

实验结果

研究问题

• RQ1 Lanczos算法能否从能级提取扩展到格点QCD中矩阵元计算？
• RQ2 与标准方法相比，基于Lanczos的矩阵元估计器是否表现出更高的稳定性并降低对激发态污染的敏感性？
• RQ3 该方法能否为矩阵元提供与谱学中已建立的类似双侧误差界限？
• RQ4 与有效质量法和多态拟合方法相比，Lanczos矩阵元估计器在性能和鲁棒性方面表现如何？
• RQ5 能否通过子空间限制实现对虚假态的物理解释性过滤，从而提高估计器的可靠性？

主要发现

• 基于Lanczos的矩阵元估计器表现出与多态拟合类似的收敛行为，即使在包含大时间点数据时也能保持稳定估计。
• 该方法为矩阵元提供了双侧误差界限，与此前在谱学中为能级建立的界限类似。
• 通过限制到厄米子子空间，虚假态被有效过滤，提高了物理一致性并减少了噪声引起的偏差。
• 在具有强激发态污染的模拟数据测试中，该方法表现出鲁棒性，无需拟合即可获得准确的矩阵元。
• 在包含额外噪声大时间点数据时，矩阵元估计仍保持稳定，表明已提取全部可用的统计信息。
• 在收敛速度和可靠性方面，该方法优于标准有效质量技术，尤其在强激发态污染条件下表现更优。