CHESS: CHEbyshev pSeudo-Spectral transport for Feynman integral differential equations

技術要約：Chess (CHEbyshev pSeudo-Spectral transport for Feynman integral differential equations)

問題設定
多ループ・ファインマン基本積分の評価は、精密な衝突型物理学における計算上のボトルネックとなっている。計算がより高次のループ次数や多重度へと進むにつれ、積分ファミリーは多数の運動学的スケール、膨大な基本積分の集合、そして複雑な特異構造を伴うようになる。様々な戦略（セクター分解、補助質量フロー、局所級数展開など）が存在するが、特定の数値的なサブ問題、すなわち、規定された運動学的空間内の経路に沿った、$\epsilon$因子化された微分方程式の高精度な一次元輸送（transport）が依然として困難な課題として残っている。

標準的な局所伝播法では、高精度および端点の挙動を制御するために、多くの展開セグメントや小さなステップを必要とすることが多い。これは、引き戻された係数行列が、定数行列とスカラーの一形式（one-form）のプルバックの疎な組み合わせを含む場合や、系に代数的または楕円的な成分が含まれる場合に特に顕著である。課題は、結果として得られる常微分方程式（ODE）系を、スペクトル精度を維持しつつ、かつ端点における潜在的な偽の正則特異点を処理しながら、効率的に解くことにある。

手法
本論文では、以下の一次元輸送問題を解くために設計されたWolfram LanguageパッケージであるChess (CHEbyshev pSeudal-Spectral transport) を紹介する：
$$\frac{d}{dt}J(t, \epsilon) = \epsilon B(t)J(t, \epsilon)$$
ここで、$J$は基本積分（またはその$\epsilon$展開係数）のベクトルであり、$B(t)$は引き戻された係数行列である。

核となる手法は、チェビシェフ・ロバット（Chebyshev–Lobatto）擬スペクトル・コロケーション法に基づいている。この手法は、複素化された経路パラメータにおける引き戻された接続（connection）の解析性に依拠している。もし係数行列 $B(t)$ が、輸送区間の複素近傍で解析的であれば、解はコロケーション節点（nodes）の数に応じて幾何学的な収束を示す。

主なアルゴリズム的特徴は以下の通りである：

1. $\epsilon$-因子化階層： 系は有限のローレント窓（Laurent window）内で展開される。$\epsilon$-因子化された形式であるため、係数の階層は三角形式となる。各係数 $J^{(r)}$ は、前の係数 $J^{(r-1)}$ から非斉次一次の系を解くことで得られる。これにより、すべての節点と積分を同時に扱うモノリシックなシステムを構築するのではなく、単一の因子化されたスカラー節点行列を多くの右辺に対して作用させることが可能になる。
2. 二つの入力モード：
   • 準備済みデータ・モード（Prepared-Data Mode）： ユーザーは定数疎行列 $A_\alpha$ と、事前計算されたスカラー・プルバック $b_\alpha(t)$ を提供する。パッケージは、これらを用いてコロケーション節点における $B(t) = \sum A_\alpha b_\alpha(t)$ を組み立てる。これにより、経路に依存するスカラー評価と定数行列データを分離でき、キャッシュおよび疎な組み立てが可能になる。
   • 直接行列・モード（Direct-Matrix Mode）： ユーザーは、フル行列 $B(t)$ の数値評価関数を提供する。これにより、ログ分解を必要とせずに、楕円周期やその他の特殊関数を含む系を扱うことができる。
3. 端点正則化（Endpoint Regularization）： 端点（$B(t)$ が発散する可能性があるが解は有限である場所）における偽の正則特異点を扱うため、Chessは残差に基づく正則化を実装している。
   • 右端点の場合： 微分方程式の行は、接続の留数および有限部分抽出から導出された有限のソース条件に置き換えられる。
   • 左端点の場合： 既知の境界値が除去され、「持ち上げられた（lifted）」未知数（正則な片側差分商）が、正則な微分条件に置き換わる形で解かれる。
4. 並列化： 並列化は、スカラー・プルバックの節点での評価や端点データの抽出といった、独立したタスクに対してのみ適用される。$\epsilon$-再帰は、レイヤー $r$ がレイヤー $r-1$ に依存するため、逐次的であることが維持される。

主な貢献

• アルゴリズムの効率性： $\epsilon$-因子化された系の三角構造を利用し、疎な行列組み立てを行うことで、Chessはモノリシックなソルバーのメモリおよび計算オーバーヘッドを回避する。少ないコロケーション節点数で、しばしばマシン精度限界に達する急速なノード収束を実現する。
• 柔軟性： 本パッケージは対数的な系に限定されない。直接行列インターフェースにより、信頼できる $B(t)$ の数値評価関数が提供される限り、楕円成分やモジュラー成分を含む系を輸送できる。
• 堅牢性： キネマティック輸送において一般的な問題である、偽の正則特異な端点を扱うための具体的な実装が含まれている。
• 実装： パッケージはWolfram Languageで記述されており、積分減少、基底構成、および境界定数の決定をすでに行ったユーザーに対して、高レベルなインターフェースを提供する。

結果とベンチマーク
本論文では、以下の3つのベンチマークグループを通じてChessを検証している：

1. 2ループ6点ダブル・ペンタゴン： 物理領域において輸送を行い、独立したAMFlowの結果と比較した。24個の節点において誤差は $1.37 \times 10^{-31}$ であり、96個の節点では $10^{-101}$ まで減少し、参照データの精度で飽和した。
2. 3ループ5点ファミリー： 4つの平面的な質量レス・ファミリー（PBB, BPB, BHB, PBP）を左端点正則化を用いてテストした。本手法は、誤差が約 $10^{-70}$（約70桁）となる安定したノード精緻化を示した。局所級数コードであるDiffExpとの固定プロトコル比較において、Chessは壁時間（wall time）において8.8倍から17.9倍高速であった。最大のシステム（734個の基本積分）においても、ChessはDiffExpと比較して低いプロセスツリー・メモリ使用量を示した。
3. 非平面三角形（楕円ケース）： 楕円周期を持つ2ループ非平面三角形ファミリーを、直接行列モードを用いて輸送した。本手法は、独立したAMFlowのリファレンスである200桁の精度まで幾何学的な収束を達成し、512個の節点で誤差が $10^{-200}$ を下回ることに成功した。

意義と範囲
本論文は、Chessを、より広範なファインマン積分計算のエコシステムにおける、専門化された高性能ツールとして位置づけている。本パッケージは、積分減少、標準的な基底の構成、境界定数の決定、あるいは解析的経路の選択を行わないことを明示している。これらの準備段階は、ユーザーによって完了されていることが前提である。

Chessの意義は、計算集中的な最終ステップである「輸送」を、高精度かつ効率的に実行できる点にある。解析的な経路パラメータの性質を利用することでスペクトル収束を実現しており、従来の局所級数法では過剰なセグメンテーションを必要とする可能性のある、大規模なマルチスケール・システムにおいて特に効果的である。著者らは、本手法の成功は、提供された係数関数の解析性に依存していることを強調している。これは、物理的特異点を横断するための自動的な経路計画アルゴリズムではない。本パッケージは、必要な解析的枠組みをすでに確立しているユーザーのための、堅牢な輸送レイヤーとして機能する。