Sampling the Schwinger Model with Gauge-Equivariant Diffusion

技術要約：ゲージ等変拡散によるシュウィンガーモデルのサンプリング

問題提起
格子場理論（LFT）は、物理的観測量を近似するために数値シミュレーションに依存している。しかし、シミュレーションが連続極限に近づくにつれ、ハイブリッドモンテカルロ（HMC）などの標準的なマルコフ連鎖モンテカルロ（MCMC）アルゴリズムは、「臨界減速（critical slowing down）」に苦しむことになる。この現象は、自己相関時間の指数関数的な増大と受容率の低下によって特徴付けられる。さらに、トポロジカルに非自明な理論においては、MCMC連鎖が特定のトポロジカル・セクターに「凍結」してしまい、全構成空間の探索に失敗することがある。ノーマライジング・フローは格子シュウィンガーモデルのサンプリングを加速させる有望な手法であることを示してきたが、フェルミオンを含む格子ゲージ理論への拡散ベースの生成モデルの適用については未開拓である。

手法
著者らは、$N_f = 2$ 格子シュウィンガーモデルの周辺分布からゲージ・リンク構成をサンプリングするための、拡散ベースのアプローチを提案している。この手法は以下のコンポーネントで構成される：

• モデル定式化： 著者らは、確率微分方程式（SDE）を通じて定式化されたスコアベースの生成モデルを利用している。フォワード過程は、初期のゲージ構成 $\phi_0$ を時間経過とともにノイズで徐々に汚染し、リバース過程は、学習されたニューラルネットワーク（スコアネットワーク）を用いて、ノイズからデータへと補間を行う。
• ゲージ等変性： モデルの $U(1)$ ゲージ対称性を尊重するため、拡散過程はリー群 $U(1)$ に適応されている。フォワードSDEの解には、ノイズを含んだ構成を $2\pi$ モジュロで単位円上に折り返す「ラップ（wrap）」操作が含まれる。スコアネットワークは、ゲージ不変な入力（具体的には $2 \times 1$ の長方形ウィルソンループおよびプラケット）を利用することで、$U(1)$ 等変となるように構築されている。
• 学習とアーキテクチャ： スコアネットワークは、時間エンコーディングにガウス・フーリエ埋め込みを用いたU-Netパラメータ化を採用している。フェルミオン行列式によって導入される非局所性に対処するため、アーキテクチャには拡張畳み込み（dilated convolutions）とアキシャル・アテンション層が組み込まれており、長距離相関を捉えることができる。
• 学習データ： モデルは、$\beta = 2.0$ および $\kappa = 0.276$ のパラメータを持つ $8 \times 8$ および $16 \times 16$ 格子において、HMCによって生成された8,192個のゲージ・リンク構成を用いて学習されている。
• 推論と尤度： 新しいサンプルは、オイラー積分器を用いてリバースODEを積分することによって生成される。モデルの尤度は、Skilling-Hutchinsonのトレース推定器を用いて推定され、これにより再重み付けを通じた、偏りのない観測量の推定が可能となる。

主な貢献

• フェルミオンを含む格子ゲージ理論への初適用： 本研究は、フェルミオンを含む格子ゲージ理論への拡散サンプリングの初適用である。
• ゲージ等変スコアネットワーク： 著者らは、フェルミオン場を積分アウトした後のシュウィンガーモデルの周辺分布を扱うことができる、$U(1)$ 等変スコアネットワークの構築と学習を実証した。
• 偏りのない推定： モデルの尤度を計算することにより、拡散生成されたサンプルから物理的観測量の偏りのない推定値を得る手法を確立した。

結果
本研究では、$8 \times 8$ および $16 \times 16$ 格子における拡散モデルの性能をHMCと比較評価している：

• トポロジカルな探索： トポロジカル電荷（$Q$）およびディラック符号（$\sigma$）の定性的解析により、拡散モデルはHMCと比較して、偶数および奇数のトポロジカル・セクター間の遷移が著しく多いことが明らかになった。これは、トポロジカルな凍結の減少と、より効率的な位相空間の探索を示唆している。
• 観測量の精度： 拡散生成された構成は、平均プラケット $\langle P \rangle$、トポロジカル感受率 $\chi_Q$、およびカイラル凝縮 $\langle \bar{\psi}\psi \rangle$ といった主要な観測量について、HMCシミュレーションから得られた参照値と密接に一致する、偏りのない推定値を与えている。
• 効率指標： 拡散モデルは、理想的なHMCベースラインと比較して低い受容率（20–35%）と高い非正規化カルバック・ライブラー（KL）ダイバージェンスを示すものの、実行可能なサンプリング能力を示す有効サンプルサイズ（ESS）を達成している。トポロジカル電荷の積分自己相関時間はHMCと同等か、あるいはわずかに高いが、トポロジカルなトンネル現象における定性的な改善が重要な知見として注目されている。

意義と主張
著者らは、本研究を深層生成モデルにおける格子ゲージ理論への「初の研究」であり、「探索的な」一歩として位置づけている。彼らは、その結果が、フェルミオンを含む理論における臨界減速とトポロジカルな凍結を克服するために、拡散モデルを使用することの実現可能性を示していると主張している。論文は、現在の手法は有望ではあるものの、スケーラブルな解決策を特定するためにはさらなるモデルアーキテクチャの実験が必要であるとして、控えめに結論付けている。今後の課題として、これらの手法を異なるフェルミオン処理スキーム（疑似フェルミオンなど）に適応させること、および $SU(N)$ 格子ゲージ理論へ拡張することが挙げられている。本論文は、大規模なQCDのスケーリング問題を解決したと主張しているのではなく、フェルミオンが存在する場合の拡散ベースのサンプリングに関する概念実証を確立したものである。