统计场理论的学习
从数据中直接恢复微观耦合关系,为解决统计场论中的逆问题开辟了新路径——这一方法对传统的正向研究范式(即从作用量或哈密顿量预测可观测量)形成了有力补充,后者的计算复杂度往往令人望而却步。本研究提出了一种统一处理离散变量、连续变量及混合变量系统的逆问题解决方案。通过在韦格纳伊辛规范理论、φ⁴理论、施温格模型、正弦-戈登模型及混合自旋-规范系统等基准测试中的精确参数复原,研究人员证实:该方法的粗粒化迭代过程能完整重构非微扰重正化群流,从而无需依赖微扰论即可直接获取相边界、不动点及涌现相互作用。针对实际研究中规范场构型可能缺失的情形,该工作重新设计了针对多场论体系的学习算法,使其能直接利用散射数据或量子模拟器提供的关联函数等观测量进行重建。该方法有望在强耦合区域场论的实用化学习中广泛应用,特别是在解析工具失效的场合发挥关键作用。



