文献

J-GLOBAL ID：201902234515224280   整理番号：19A2285857

格子場理論におけるMarkov連鎖モンテカルロのためのフローベース生成モデル【JST・京大機械翻訳】

Flow-based generative models for Markov chain Monte Carlo in lattice field theory

著者 (6件)： Albergo M. S. (Perimeter Institute for Theoretical Physics, Waterloo, Ontario N2L 2Y5, Canada) ,  Albergo M. S. (Cavendish Laboratories, University of Cambridge, Cambridge CB3 0HE, United Kingdom) ,  Albergo M. S. (University of Waterloo, Waterloo, Ontario N2L 3G1, Canada) ,  Kanwar G. (Center for Theoretical Physics, Massachusetts Institute of Technology, Cambridge, Massachusetts 02139, USA) ,  Shanahan P. E. (Center for Theoretical Physics, Massachusetts Institute of Technology, Cambridge, Massachusetts 02139, USA) ,  Shanahan P. E. (Perimeter Institute for Theoretical Physics, Waterloo, Ontario N2L 2Y5, Canada)
資料名： Physical Review. D  (Physical Review. D)
巻： 100  号： 3  ページ： 034515  発行年： 2019年 
JST資料番号： D0748A  ISSN： 2470-0010  CODEN： PRVDAQ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 機械学習フローベースの生成モデルを用いたMarkov連鎖更新方式を,格子場理論におけるモンテカルロサンプリングのために提案した。生成モデルを最適化し,理論の格子作用により決定された望ましいBoltzmann分布を近似する分布から試料を生成した。モデルを訓練することにより,Markov連鎖における自己相関時間を系統的に改善し,標準的Markov連鎖モンテカルロアルゴリズムが,非相関更新の生成において重要な減速を示すパラメータ空間の領域においてさえも改善される。さらに,モデルは望ましい分布から既存のサンプルなしで訓練される。このアルゴリズムを,2次元における[数式:原文を参照]理論のためのHMCおよび局所的なMetropolisサンプリングと比較した。Copyright 2019 The American Physical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *モンテカルロ法 ,  *Markov連鎖 ,  自己相関 ,  *格子場理論 ,  最適化 ,  二次元 ,  機械学習
準シソーラス用語： パラメータ空間 ,  非相関 ,  Boltzmann分布 ,  モンテカルロサンプリング ,  *生成モデル , 【Automatic Indexing@JST】

分類 (1件)： ゲージ場理論  (BF01022B)

タイトルに関連する用語 (5件)： 格子場理論 ,  Markov連鎖 ,  モンテカルロ ,  フロー ,  生成モデル