[论文解读] Complex Paths Around The Sign Problem

Andrei Alexandru, Gökçe Başar+2 more|arXiv (Cornell University)|Jul 10, 2020

Quantum, superfluid, helium dynamics被引用 10

一句话总结

本文提出了一种新颖方法，通过将场空间复化并利用皮卡德-莱夫谢茨理论将积分路径形变至莱夫谢茨铁姆上，从而克服蒙特卡罗模拟中的符号问题。该方法使强关联系统（如致密中子物质和排斥性 Hubbard 模型）的路径积分能够实现稳定数值计算，并在低维模型中成功验证了其应用效果。

ABSTRACT

The Monte Carlo evaluation of path integrals is one of a few general purpose methods to approach strongly coupled systems. It is used in all branches of Physics, from QCD/nuclear physics to the correlated electron systems. However, many systems of great importance (dense matter inside neutron stars, the repulsive Hubbard model away from half-filling, dynamical and non-equilibrium observables) are not amenable to the Monte Carlo method as it currently stands due to the so-called "sign-problem". We review a new set of ideas recently developed to tackle the sign problem based on the complexification of field space and the Picard-Lefshetz theory accompanying it. The mathematical ideas underpinning this approach, as well as the algorithms so far developed, are described together with non-trivial examples where the method has already been proved successful. Directions of future work, including the burgeoning use of machine learning techniques, are delineated.

研究动机与目标

• 解决由于权重为复数或振荡而导致标准蒙特卡罗方法失效的量子场论与多体系统中的符号问题。
• 基于皮卡德-莱夫谢茨理论构建一个通用框架，将路径积分的积分流形形变至相位波动减小的区域。
• 使原本难以处理的系统（如致密物质与实时场论）的配分函数与可观测量能够实现数值计算。
• 设计用于在铁姆或其附近采样的算法，并计算实现正确测度变换所需的雅可比行列式。
• 探索利用机器学习技术优化流形与路径寻找的未来扩展方向。

提出的方法

• 将场变量复化，将原始实数积分流形转化为复化配置空间。
• 利用全纯梯度流将积分路径从原始实流形形变至莱夫谢茨铁姆，其定义为作用量虚部相位恒定的流形。
• 通过莫尔斯引理识别作用量的临界点，实现局部坐标变换，使作用量变为复变量平方和的形式。
• 将铁姆构造为从临界点流出的消失圈的并集，确保每个铁姆上玻尔兹曼因子的相位保持恒定。
• 实现诸如单铁姆采样、广义铁姆方法及雅可比行列式校正采样等算法，以在这些流形上执行蒙特卡罗积分。
• 通过全纯流变换下无穷小向量的时间演化，推导出全纯流的雅可比行列式，以在采样过程中正确加权配置。

实验结果

研究问题

• RQ1 是否可通过在复化场空间中形变积分路径来缓解量子场论中的符号问题？
• RQ2 在高维场论中，如何系统地构建并采样莱夫谢茨铁姆？
• RQ3 计算全纯流变换雅可比行列式的数值挑战是什么，如何应对？
• RQ4 该方法在多临界点与复流形上的推广程度如何，是否可超越单铁姆的限制？
• RQ5 机器学习技术能否提升复化场空间中路径优化与流形发现的效率？

主要发现

• 通过将积分路径形变至莱夫谢茨铁姆，该方法成功减小或消除了相位波动，因为在这些铁姆上玻尔兹曼因子的相位保持恒定。
• 由于多维柯西定理，配分函数在路径形变下保持不变，从而保证了物理结果的正确性。
• 已实现并验证了单铁姆采样与雅可比行列式校正等数值算法，在具有非平凡符号问题的低维模型中表现良好。
• 全纯流的雅可比行列式通过流下无穷小向量的演化计算得出，其演化由包含作用量海森矩阵的矩阵微分方程控制。
• 该方法已成功应用于复标量场论与排斥性 Hubbard 模型等系统，证明了其在严重符号问题系统中的可行性。
• 未来方向包括利用机器学习优化路径与发现流形，特别是在规范理论与非平衡系统中的应用。