[论文解读] Perturbative n-Loop Renormalization by an Implicit Regularization Technique

S. R. Gobira, M. C. Nemes|arXiv (Cornell University)|Feb 15, 2001

Model Reduction and Neural Networks被引用 4

一句话总结

本文提出了一种不依赖正则化的微扰重整化技术，通过在费曼图的内线中应用代数恒等式，实现了无需减去项即可直接代数识别反项。该方法按阶次自动分离有限项、局部发散和非局部发散，消除了重叠发散带来的复杂性，并明确地将反项与拉格朗日量联系起来，如在 φ³₆ 理论中的应用所示，实现了显著的代数简化。

ABSTRACT

We construct a regularization independent procedure for implementing perturbative renormalization. An algebraic identity at the level of the internal lines of the diagrams is used which allows for the identification of counterterms in a purely algebraic way. Order by order in a perturbative expansion we obtain automatically in the process, finite contributions, local and nonlocal divergences. The notorious complications introduced by overlapping divergences never enter and since no subtractions are performed (as in BPHZ) all the counterterms are readily displayed. We illustrate with φ3 6 theory to show that our framework renders a considerable algebraic simplification as well as explicitates the connection between renormalization and counterterms in the Lagrangian. PACS:11.10Gh, 11.25Db

研究动机与目标

• 开发一种不依赖正则化方案的微扰重整化程序，以避免重叠发散带来的复杂性。
• 通过纯粹代数手段，提供一种系统化识别量子场论中反项的方法。
• 通过消除减去项的需要（如 BPHZ 方法中所采用的），简化重整化过程，同时保持反项与拉格朗日量之间关系的清晰性。
• 在具体理论 φ³₆ 理论中展示该方法的有效性及其代数简化效果。

提出的方法

• 在费曼图的内线层面应用代数恒等式，以编码不依赖正则化的结构。
• 该方法按阶次系统地分离微扰展开中的有限贡献、局部发散和非局部发散。
• 通过代数运算直接识别反项，无需执行显式减去项操作，从而避免了 BPHZ 风格的处理流程。
• 由于代数框架的构造，该方法从本质上避免了重叠发散带来的复杂性。
• 将该框架应用于 φ³₆ 理论，以说明其实际实现过程和优势。
• 通过代数分解，明确建立拉格朗日量反项与振幅发散结构之间的联系。

实验结果

研究问题

• RQ1 如何在不依赖特定正则化方案的情况下执行微扰重整化？
• RQ2 能否通过代数方法在不进行减去项操作的情况下识别反项？若能，这如何简化重整化过程？
• RQ3 该方法在多大程度上消除了量子场论中重叠发散带来的复杂性？
• RQ4 所提出的框架在 φ³₆ 理论中如何明确阐明反项与拉格朗日量之间的关系？

主要发现

• 该方法提供了一个不依赖正则化的微扰重整化框架，使其适用于不同的正则化方案。
• 反项通过代数运算直接且自动地识别，无需减去项程序。
• 该方法成功地在微扰展开的每一阶上分离了有限项、局部发散和非局部发散。
• 由于所用代数恒等式的内在结构，重叠发散不会成为复杂问题。
• 拉格朗日量反项与振幅发散部分之间的关系变得明确且代数上透明。
• 在 φ³₆ 理论中的应用表明，与传统方法相比，该方法实现了显著的代数简化。