Neural Networks, Dispersion Relations and the Thermal Bootstrap

ملخص تقني: الشبكات العصبية، علاقات التشتت، والبوستراب الحراري

بيان المشكلة
يعتمد الـ "كونفورمال بوستراب" (Conformal Bootstrap) الحديث عادةً على قيود الإيجابية وبرمجة شبه محددة محدبة لتقييد نظريات الحقل المتوافق (CFTs). ومع ذلك، يفشل هذا النهج في السياقات ذات الأهمية الفيزيائية حيث تغيب الإيجابية، كما هو الحال في النظريات ذات درجات الحرارة المحدودة، أو النظريات ذات العيوب أو الحدود، أو معادلات التقاطع ذات النقاط المتعددة. في هذه السيناريوهات، يتحول الهدف من استبعاد مناطق بيانات الـ CFT إلى إعادة بناء الحلول الكاملة لمعادلات البوستراب. تؤدي عمليات قطع متسلسلة "متوالية الضرب المتقطع" (OPE) القياسية إلى أخطاء منهجية يصعب التحكم فيها، وغالبًا ما تتضمن المعادلات الناتجة عائلات مستمرة من القيود وعددًا لا نهائيًا من المؤثرات، مما يؤدي إلى حلول غير فريدة. وتحديدًا، بالنسبة لنظريات الـ CFT الحرارية على $S^1 \times \mathbb{R}^{d-1}$، تعمل شرطة KMS (شرط كوبو-مارتين-شفينجر) كمعادلة تقاطع تفتقر إلى متطلبات الإيجابية، مما يجعل إعادة بناء الارتباطات الحرارية مشكلة "بوستراب بدائية" (primal bootstrap) أصعب بكثير من تطبيقات البوستراب القياسية.

المنهجية
يقترح المؤلفون إطار عمل يتجاوز غياب الإيجابية وقطع الـ OPE العشوائي غير المنضبط عبر الجمع بين علاقات التشتت المطروحة والشبكات العصبية. تسير المنهجية عبر الخطوات التالية:

1. علاقات التشتطرح والتقسيم حسب الزخم الزاوي العالي/المنخفض: يتم التعبير عن دالة الارتباط الثنائية الحرارية $g(z, \bar{z})$ عبر علاقة تشتت مطروحة. تفصل هذه العلاقة طيف المؤثرات إلى:

   • مجموعة محدودة من المؤثرات ذات الزخم الزاوي المنخفض والبعد المنخفض ($J \le J^*$، $\Delta \le \Delta^*(J)$).
   • مجموعة من "دوال الذيل" (tail functions) الناعمة أحادية البعد $A_{\Delta^*(J), J}(r)$ التي تجمع مساهمات البرج اللانهائي لكل زخم زاوي $J \le J^*$.
   • حد عدم استمرارية متكامل يلتقط جميع المؤثرات ذات الزخم الزاوي $J > J^*$.

2. بارامتريّة الشبكة العصبية: يتم نمذجة دوال الذيل باستخدام شبكات عصبية متعددة الطبقات (MLP) ذات تغذية أمامية. وتحديدًا، يتم استخدام بنية "متعددة الفروع" (Multi-Branch) متفرقة حيث تعالج طبقة إدخال مشتركة الإحداثي الشعاعي، وتغذي شبكات فرعية متوازية متخصصة في دوال الذيل لمختلف قيم الزخم الزاوي. يسمح هذا ببناء طيف الأبعاد العالية اللانهائي ديناميكيًا جنبًا إلى جنب مع البيانات المكشوفة.

3. التحسين غير المحدب: تتم إعادة صياغة شرطة KMS كمسألة تحسين غير محدبة. يعرّف المؤلفون دوال الخسارة (خسارة القيمة المطلقة المتوسطة، خسارة الضرب النقطي) التي تقيس انتهاك معادلة التقاطع على شبكة من النقاط ضمن منطقة تقارب الـ OPE. يسعى التحسين إلى تقليل هذه الخسائر بالنسبة للمعاملات المكشوفة ومعلمات الشبكة العصبية.

4. آلية "المرساة" (The "Anchor" Mechanism): ملاحظة حاسمة هي أن مشهد التحسين يحتوي على العديد من القيم الصغرى ذات الخسارة المنخفضة. لاختيار الحل الفيزيائي، يستخدم الإطار عمل "مراسي" (anchors)—وهي قيم معروفة محددة لدوال الذيل عند نصف قطر متوسط. يجد المؤلفون أن توفير مرساة صحيحة يؤدي إلى انهيار فضاء الحل إلى حد أدنى فريد ومستقر، بينما تؤدي المراسي الخاطئة أو الغائبة إلى توزيعات واسعة ومنحازة أو فشل في التقارب.

النتائج الرئيسية
تم اختبار الإطار على فئتين متميزتين من النظريات:

• الحقول الحرة المعممة (GFF): في $d=4$ مع $\Delta_\phi = 1.68$، نجحت الطريقة في استعادة دوال الذيل التحليلية والتركيبة $a_{1,0} + 3a_{0,2}$ بدقة عالية. تُظهر النتائج أن مرساة واحدة صحيحة عند نصف قطر متوسط كافية لتقليص العائلة المستمرة من الحلول منخفضة الخسارة إلى حل GFF الفريد. وعلى العكس من ذلك، تؤدي المراسي الخاطئة إلى تباينات كبيرة في البيانات المستخرجة، مما يجعل الاستقرار معيارًا لصحة الحل.
• نظريات الـ CFT الهولوغرافية: طُبقت الطريقة لتحديد معاملات OPE ذات الالتواء المزدوج من بيانات موتر الطاقة-الزخم متعددة الآثار الثابتة. باستخدام بحث مستقر بـ ReLU حول متجه مرجعي (مشتق من قيم GFF)، استخرج المؤلفون التركيبة $a_{1,0} + 3a_{0,2}$. النتيجة، $9.37 \pm 0.44$، تتعارض (عند مستوى $\approx 4\sigma$) مع حسابات الكتلة (bulk) المستقلة ($\approx 7.7$). يعزو المؤلفون هذا التباين إلى الأخطاء المنهجية في التنفيذ الحالي، وتحديدًا قطع حد عدم الاستمرارية في القناة المتقاطعة وتحديد معلمة تحمل الاستقرار $p^*$.

الأهمية والادعاءات
يزعم البحث تقديم "بوستراب رقمي مباشر" لشرطة KMS عند مسافة مكانية غير صفرية، وهو نظام تصبح فيه المعلومات المتعلقة بالزخم الزاوي للطيف الحراري متاحة. تكمن أهمية العمل في:

• التعامل مع عدم الإيجابية: يوفر مسارًا قابلاً للتطبيق لبناء النظريات حيث تفشل طرق الإيجابية القياسية، وذلك باستبدال التحسين المحدب بالتحسين غير المحدب الموجه بعلاقات التشتت.
• التعامل الديناميكي مع الطيف: من خلال نمذجة ذيول الأبعاد العالية باستخدام الشبكات العصبية، تتجنب هذه الطريقة الأخطاء المنهجية المرتبطة بالقطع الحاد لـ OPE، مع الاحتفاظ بالطيف اللانهائي الكامل للمساهمات.
• الاستقرار كمعيار: يقدم العمل استراتيجية عملية حيث يعمل استقرار التحسين (انخفاض التباين عبر عمليات التهيئة المختلفة) كأداة تشخيص لصحة الحل، بشرط توفير "مرساة" صحيحة.
• التكامل: يضع المؤلفون نهجهم كمكمل لطرق "الانحياز الطيفي العصبي" (neural spectral bias) الحديثة. فبينما تعتمد تلك الطرق على المسبقات الضمنية للنعومة في الشبكات العصبية لإعادة بناء الارتباطات من بيانات دنيا، يدمج هذا الإطار صراحةً علاقات التشتت والمدخلات الخاصة بالنظريات (مثل حد عدم الاستمرارية) لحل البنية كاملة المتغيرين للارتباطات الحرارية.

يخلص المؤلفون إلى أنه على الرغم من أن التنفيذ الحالي للـ CFT الهولوغرافية يظهر تباينات كمية مع نتائج الكتلة، إلا أن القدرة الهيكلية لفك الارتباط بين البيانات المعتمدة على الزخم الزاوي قد تأكدت. ومن المتوقع أن تأتي التحسينات المستقبلية من زيادة قطع الزخم الزاوي $J^*$، وتنفيذ عدم الاستمرارية الديناميكية، وتكرير معايير اختيار الاستقرار.