基于物理信息的神经网络解决量子电动力学的 Dyson-Schwinger 方程
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对量子电动力学中的 Dyson-Schwinger 积分方程的求解难题，提出了一种基于物理信息的神经网络（PINNs）新方法。该方法通过将 Dyson-Schwinger 方程整合入损失函数，使网络能够学习并预测涉及多种动量和紫外截止值的解决方案，预计将对其他量子场理论的研究以及机器学习在高能理论物理中的应用产生重要影响。
本研究提出了一种基于物理信息的神经网络新方法，旨在解决量子电动力学中 Dyson-Schwinger 积分方程的求解难题，预计将推动量子场理论研究及机器学习在高能物理中的应用。
