Sampling the Schwinger Model with Gauge-Equivariant Diffusion

技术摘要：利用规范等变扩散模型对 Schwinger 模型进行采样

问题陈述
格点场论（LFT）依赖于数值模拟来近似物理可观量的路径积分。然而，随着模拟趋向连续极限，标准的马尔可夫链蒙特卡洛（MCMC）算法（如混合蒙特卡洛 HMC）会遭遇“临界减速”（critical slowing down）。这一现象的特征是自相关时间呈指数级增长且接受率降低。此外，在拓扑非平凡的理论中，MCMC 链往往会“冻结”在特定的拓扑扇区，无法充分探索完整的构型空间。虽然归一化流（normalizing flows）在加速格点 Schwinger 模型的采样方面已展现出潜力，但将基于扩散的生成模型应用于包含费米子的格点规范理论仍处于空白领域。

方法论
作者提出了一种基于扩散的方法，用于从 $N_f = 2$ 格点 Schwinger 模型的边缘分布中采样规范链路构型。该方法包含以下组件：

• 模型构建： 作者利用通过随机微分方程（SDEs）构建的基于评分（score-based）的生成模型。前向过程随时间推移，通过噪声逐步破坏初始规范构型 $\phi_0$，而反向过程则使用训练好的神经网络（评分网络）从噪声插值回数据。
• 规范等变性： 为了尊重模型的 $U(1)$ 规范对称性，扩散过程被适配到李群 $U(1)$ 上。前向 SDE 的解涉及一个“缠绕”（wrap）操作，将噪声构型折叠到模为 $2\pi$ 的单位圆上。评分网络的构建通过利用规范不变的输入（具体为 $2 \times 1$ 矩形威尔逊环和面元/plaquettes）来实现 $U(1)$ 等变性。
• 训练与架构： 评分网络采用带有高斯傅里叶嵌入的时间编码 U-Net 参数化。为了解决由费米子行列式引入的非局部性问题，该架构结合了空洞卷积（dilated convolutions）和轴向注意力层（axial attention layers），以捕捉长程相关性。
• 训练数据： 模型在通过 HMC 在 $\beta = 2.0$ 和 $\kappa = 0.276$ 的参数下生成的 $8 \times 8$ 和 $16 \times 16$ 格点上的 8,192 个规范链路构型上进行训练。
• 推理与似然度： 通过使用欧拉积分器对反向 ODE 进行积分来生成新的样本。模型似然度使用 Skilling-Hutchinson 迹估计量进行计算，从而允许通过重加权获得无偏的可观量估计。

核心贡献

• 首次应用于费米子格点规范理论： 本研究展示了扩散采样在包含费米子的格点规范理论中的首次应用。
• 规范等变评分网络： 作者展示了构建和训练一个 $U(1)$ 等变的评分网络的过程，该网络能够处理在积掉费米子场后的 Schwinger 模型边缘分布。
• 无偏估计： 通过计算模型似然度，作者建立了一种直接从扩散生成的样本中获得物理可观量无偏估计的方法。

结果
研究评估了扩散模型在 $8 \times 8$ 和 $16 \times 16$ 格点上相对于 HMC 的性能：

• 拓扑探索： 对拓扑电荷（$Q$）和狄拉克符号（$\sigma$）的定性分析表明，与 HMC 相比，扩散模型在偶数和奇数拓扑扇区之间的转换显著增多。这表明减少了拓扑冻结并提高了相空间探索效率。
• 可观量准确性： 扩散生成的构型得出的关键可观量（平均面元 $\langle P \rangle$、拓扑磁化率 $\chi_Q$ 和手征凝聚 $\langle \bar{\psi}\psi \rangle$）的无偏估计，与来自 HMC 模拟的参考值高度吻合。
• 效率指标： 虽然扩散模型的接受率（20–35%）和非归一化 Kullback-Leibler (KL) 散度高于理想的 HMC 基准，但其有效样本量（ESS）显示出可行的采样能力。拓扑电荷的集成自相关时间与 HMC 相当或略高，但拓扑隧穿方面的定性改进被视为一项重要发现。

意义与主张
作者将这项工作定位为深度生成模型在格点规范理论中的“首次研究”和“探索性”步骤。他们声称，其结果证明了使用扩散模型来克服费米子理论中临界减速和拓扑冻结的可行性。论文谦虚地总结道，虽然目前的方法很有前景，但仍需通过更多的模型架构实验来寻找可扩展的解决方案。未来的工作被确定为需要将这些方法适配到不同的费米子处理方案（如伪费米子/pseudofermions），并将该方法扩展到 $SU(N)$ 格点规范理论。论文并未声称解决了大规模 QCD 的缩放问题，而是为存在费米子的扩散采样建立了概念验证。