基于流的采样方法用于纠缠熵计算及缺陷的机器学习
发表于: 。本研究针对量子场论中纠缠熵计算的不足提出了一种新方法,结合生成模型与复制技巧,通过定制神经网络架构处理连接两个复制体的晶格缺陷。研究表明,该方法在二维和三维$\phi^4$标量场理论中的数值测试优于最先进的蒙特卡洛计算,并在缺陷大小上表现出良好的可扩展性。
本研究针对量子场论中纠缠熵计算的不足提出了一种新方法,结合生成模型与复制技巧,通过定制神经网络架构处理连接两个复制体的晶格缺陷。研究表明,该方法在二维和三维$\phi^4$标量场理论中的数值测试优于最先进的蒙特卡洛计算,并在缺陷大小上表现出良好的可扩展性。