Analytic continuation of Green's functions with a neural network
本文提出了一种利用卷积神经网络从虚时格林函数解析延拓谱密度的方法,通过引入碰撞中心优化训练数据并保证输出正定性,将其与最大熵方法(MaxEnt)在测试数据及物理模型(如一维 Hubbard 模型和二维 SSH 模型)上的表现进行了对比,发现该网络在接近训练集的数据上表现更优,但在处理物理模型时 MaxEnt 能更精确地识别物理特征,而神经网络的优势在于其质量可通过系统性地改进训练数据来提升。