Sector-Resolved Flow Sampling for Topologically Frozen Lattice Gauge Theories

技術要約：トポロジカルに凍結した格子ゲージ理論のためのセクター分解型フローサンプリング

問題提起
非摂動的な格子ゲージ理論において、トポロジカルな揺らぎは、軸アノマリーや$\eta'$ メソンの質量といった現象を理解するために不可欠である。しかし、マルコフ連鎖モンテカルロ（MCMC）による数値サンプリングは、「トポロジカルな凍結（topological freezing）」として知られる決定的な限界に直面している。理論が連続極限（大きな結合定数 $\beta$）に近づくにつれ、異なるトポロジカル電荷（$Q$）の構成（configuration）を隔てる作用の障壁は $\beta$ に対して線形に増大する。その結果、MCMCシミュレーションは単一のトポロジカル・セクターに閉じ込められ、互いに離れたセクター間の正しい相対的統計重みを再現できなくなる。これは、トポロジカル感受率（$\chi_{\text{top}}$）のようなトポロジーに敏感な観測量の推定にバイアスをもたらす。オープン境界条件、テンパリング、あるいは特殊なグローバル更新（例：Winding HMC）といった既存の手法は、セクター間の遷移を促進しようと試みるものであるが、深く凍結した領域では、遷移率の低下や受理確率の低下に悩まされることが多い。

手法：混合セクター分解サンプラー（MSRS）
著者らは、トポロジカルな遷移に依存するのではなく、トポロジカル・セクターを明示的に分解して扱う生成フレームワーク「混合セクター分解サンプラー（Mixture of Sector-Resolved Samplers; MSRS）」を提案している。この手法は、以下の3つのコアコンポーネントで構成される。

1. リファレンス・セクターの学習： 単一のリファレンス・トポロジカル・セクター（$Q=0$）のみに限定して、ノーマライジング・フロー・モデル（$r_{\psi,0}$）を学習させる。学習には、逆カルバック・ライブラー（KL）ダイバージェンス目的関数に加え、モデルが厳密に $Q=0$ セクター内の構成を生成することを保証するためのセクター局在化ペナルティが用いられる。
2. 双射的なトポロジカル・シフト： 他のセクター（$Q \neq 0$）の構成を生成するために、著者らは決定論的、体積保存的、かつ双射的な写像 $T_{Q_1 \to Q_2}$ を用いる。この「Qシフト」演算子は、リファレンスのサンプルに対してプラケット角に一定のフラックス項（$2\pi \Delta Q / V$）を加えるものである。極めて重要な点は、この写像が各セクターの確率質量の大部分において有効であることである。なぜなら、写像が失敗する可能性のある分岐カット（branch cut）付近の構成は、作用によって強く抑制されているからである。
3. 分配関数の推定と混合構造の構築： 生成モデルの利点は、分配関数を直接評価できることにある。著者らは、学習されたフローとQシフトされたサンプルを用いて、各セクターのセクター制限付き分配関数（$Z_Q$）を推定する。これらの推定値が、各セクターの相対的な統計重み（$P(Q) \propto Z_Q$）を決定する。最終的なサンプラーは、混合モデルとして構築される：$r_\psi[\phi] = \sum_Q P(Q) r_{\psi,Q}[\phi]$。ここで、$r_{\psi,Q}$ はセクター $Q$ に変換されたフローである。

主な貢献

• 明示的なセクター分解： 標準的な生成モデルは全分布を学習しようとするが（モード探索型の目的関数により稀なセクターの捕捉に失敗することが多い）、MSRSは個々のセクターを明示的に学習し、再構成する。
• 直接的な分配関数推定： 本手法は、生成モデルが持つドメイン制限付きの分配関数を推定する能力を活用しており、稀な遷移イベントに頼ることなく、相対的なセクター重みを精密に計算できる。
• 双射写像： 決定論的で体積保存的なQシフトの導入により、高品質なリファレンス・セクターのサンプルを高効率に他のすべての関連セクターへと転送できる。

結果
本手法は、大きな $\beta$ において深刻なトポロジカル凍結が知られている系である、ウィルソン作用を用いた2次元コンパクト $U(1)$ 格子ゲージ理論においてベンチマークテストが行われた。著者らは、MSRSを標準的なハイブリッドモンテカルロ（HMC）、オーバーリラクゼーションを用いたHMC（Winding HMCおよびInstanton Updateを含む）、および既存のフローベースのサンプラー（Neural Spline FlowおよびMultiscale Flow）と比較した。

• 精度： MSRSは正確なトポロジカル電荷分布 $P(Q)$ を再現し、テストされたすべての格子サイズおよび結合定数において、トポロジカル感受率の偏りのない推定値を与えた。これには、深く凍結した領域（$\beta/L^2 = 0.391$）も含まれる。対照的に、標準的なHMCおよび他のフローベースの手法は、格子サイズが増大するにつれてバイアスを生じた。
• 効率性： MSRSは、競合する生成アプローチよりも数桁大きい有効サンプルサイズ（ESS）を示した。Instanton Updateを用いたHMC（HMC-IU）は偏りのない結果を出したが、セクター間の作用のギャップが広がるにつれて受理率が急速に低下し、統計的不確実性が増大した。MSRSは、障壁の高さに関わらず一定の効率性を維持した。
• 堅牢性： 本手法は、セクター間の増大する作用のギャップに対して鈍感であり、観測量に大きく寄与する低確率のセクターのサンプリングにも成功した。

意義と主張
本論文は、セクターの明示的な分解が、格子ゲージ理論におけるトポロジカル障壁を克服するための有望な経路であることを主張している。セクター内の揺らぎのサンプリングと、相対的なセクター重みの決定を切り離すことにより、本アプローチはMCMC手法を悩ませる稀なトポロジカル遷移を回避できる。著者らは、このフレームワークが特定の生成アーキテクチャに依存しておらず、原理的には他の理論にも拡張可能であることを強調している。

著者らは、現在のデモンストレーションが2次元 $U(1)$ 理論に限定されていることを控えめに述べている。高次元およびより大きなゲージ群（例：$SU(2), SU(3)$）への汎用化における主要な課題として、以下の2点を挙げている。(1) ゲージ固定されたリンク空間との一対一の対応を維持するために、すべての制約を考慮したプラケットベースのサンプリングスキームを確立すること、および (2) Qシフト変換を非アーベルゲージ群へと一般化することである。