BriefGPT - AI 论文速递
·
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600字，阅读约需2分钟。
📝
内容提要
本研究提出了一种基于物理信息的神经网络（PINNs）方法，用于解决量子电动力学中的 Dyson-Schwinger 积分方程。该方法通过将方程整合入损失函数，使网络能够学习多种动量和紫外截止值的解决方案，预计将推动量子场理论及机器学习在高能物理中的应用。
🎯
关键要点
-
本研究提出了一种基于物理信息的神经网络（PINNs）方法，用于解决量子电动力学中的 Dyson-Schwinger 积分方程。
-
该方法通过将 Dyson-Schwinger 方程整合入损失函数，使网络能够学习多种动量和紫外截止值的解决方案。
-
预计该方法将推动量子场理论及机器学习在高能物理中的应用。
🏷️
标签
➡️
