跳到主要内容
返回时间线
arXiv来源发表:

同一套WZW流代数,两种神经网络实现误差不同:能级–秩对偶让带电关联函数跨理论迁移

核心概要

神经网络场论把场论关联函数写成网络参数系综上的期望,但同一个连续极限流代数可以由不同网络实现。这项工作用玻色Wakimoto场和费米Fourier–Berezin场构造正能级WZW流代数,并借助能级–秩对偶把配对理论的带电扇区联系起来。在固定调节子和有限宽度下,直接构造与陪集构造的误差不同,谱分布和调节子选择会改变逼近精度;源扇区的测量可在不测目标制备的情况下预测配对扇区的响应。

Source-provided article image: Learning from Duality in Neural Network Field Theories
arXiv

深度剖析

同一连续流代数可以由两类神经网络实现:玻色Wakimoto构造用标量场与交换鬼场组合出仿射流,费米Fourier–Berezin构造用格拉斯曼值场的双线性读出给出行、列和数流。 此前神经网络场论主要在自由场和共形核层面复现连续极限,有限系综的高阶连通矩、共享参数关联和调节子依赖并未与对偶结构一起考察。 在固定调节子下先取无限宽极限、再移除环形截断的次序下,两类构造都复现目标仿射流代数;费米构造的双极点系数给出正能级,行流与列流的能级由味数计数。

能级–秩对偶把两个WZW理论的带电中间通道配对,使一个扇区的观测可用于预测另一个扇区的关联函数。 对偶此前是表示论层面的精确关系,配对共形块作为函数并不相等,也不自动给出两个神经读出之间的参数或有限逼近方案对应。 在六通道费米构造中,电荷二态的张量积分解出两个中间通道,仿射缝合在行理论到八级、列理论到四级与Knizhnik–Zamolodchikov递推一致;源扇区训练的预测器对配对制备响应的平均误差低于百分之一,且未使用目标制备的测量。

有限宽度误差取决于实现方式:直接Wakimoto构造与陪集构造在相同特征宽度下误差不同,谱倾斜参数可在不增加宽度和每神经元采样参数的情况下改变精度。 两种构造在有序连续极限中给出同一目标流扇区,因此物理等价本身不决定有限宽度下的逼近质量。 在三种调节子剖面下,直接构造在固定插入点集上的调节高斯误差均小于陪集构造;每个固定宽度存在一个使应力张量关联误差最小的谱指数,且该最优值随调节子、关联函数和宽度变化。

启示与展望

讨论范围限于正能级WZW流代数的神经实现,数值比较针对直接Wakimoto构造与陪集构造的流和应力张量关联函数,在固定调节子参数、固定插入点集和指定特征宽度下进行。带电扇区的迁移实验使用六通道费米构造中电荷一与选定电荷二的插入,并与独立KZ输运对照。

有限宽度下的最优谱指数随关联函数、调节子和宽度改变,在一个宽度上选出的值不保证在另一个宽度仍最优。直接构造在本文考察的应力张量关联函数上误差更小,这一观察不适用于所有可观测量。振幅校准能降低拟合数据的误差,但在部分宽度上会使留出数据和验证构型的误差变差。有限模式压缩中,优化子空间只在五项设置中的两项优于常规模式截断,且有限参考本身带有截断误差。