Solution of Canonical Differential Equations for Integrals on Arbitrary Geometries

技术摘要：任意几何结构下正则微分方程的求解

问题陈述
量子场论中多圈散射振幅的评估通常依赖于通过积分规约（IBP）恒等式将费曼积分归约为一组主积分（MIs）。通过求解关于运动学不变量和质量的一阶线性微分方程组来确定这些主积分，是一种强大的方法。引入 $\epsilon$-因子化正则形式（$\epsilon$-factorized canonical forms）已简化了由 $d\log$ 型（具有有理系数）构成的连接矩阵所涉及的对数函数情形。

然而，对于涉及质量粒子和多标度的情形，其底层几何结构往往超越了简单的多重对数函数，扩展到椭圆曲线、卡拉比-丘流形（Calabi-Yau manifolds）及更高亏格的结构。在这些情况下，实现正则形式需要涉及超越函数（几何结构的周期）的变换。虽然这类形式确实存在，但一个实际的瓶颈在于：由于缺乏所需特殊函数的闭合形式表达式以及其解析延拓的复杂性，这些系统的数值评估受到了阻碍。现有的数值方法要么依赖于级数展开（在多标度区域受到限制），要么需要显式实现复杂的特殊函数，而这在普遍情况下并不可行。

方法论
作者提出了一种绕过显式评估超越函数需求的方法。核心观察是：在向正则基底进行变换时所出现的特殊函数并非任意的；它们源自原始的主积分系统，而这些主积分满足具有有理系数的线性微分方程。

因此，作者证明了这些作为构建模块的超越函数（例如椭圆周期、平方根）本身也满足具有有理系数的微分方程系统。所提方法包括：

1. 增广（Augmentation）： 构建一个增广的微分方程系统，将用于主积分的正则微分方程与控制特殊函数的辅助微分方程耦合在一起。
2. 有理化（Rationalization）： 该增广系统仅包含有理系数。特殊函数的导数直接通过其定义的有理微分方程进行计算，而非通过闭合形式表达式。
3. 数值积分（Numerical Integration）： 整个系统沿运动学空间中的复化路径进行数值求解，以避开奇异点。特殊函数的解析延拓通过集成其自身的微分方程自动处理，从而消除了对特定解析延拓算法的需求。
4. 边界条件（Boundary Conditions）： 该方法需要在非奇异点处确定特殊函数的边界值。这些值可以任意选取（例如设为 1），只要它们与用于简化连接矩阵的任何代数关系保持一致。随后，通过这些边界值将正则主积分旋转至正则基底。

核心贡献

• 理论洞察： 本文确立了数值求解具有超越项的正则系统所面临的障碍仅是表象上的。通过将特殊函数视为满足其自身有理微分方程的动力学变量，该问题被简化为求解一个更大的纯有理系统。
• 软件实现： 作者提供了一个名为 diffeqs 的独立 C++ 软件包，用于高性能数值评估。该软件：
  • 使用 C++ 编写，仅依赖标准 Boost 库，避免了运行时对商业软件（如 Mathematica）的依赖。
  • 通过 QD 库和模板类型支持任意浮点精度。
  • 实现了一个模块化接口，允许用户定义连接矩阵、特殊函数的向量场以及积分路径。
  • 具备用于确保数值稳定性的复路径变形功能。
• 现实应用： 该方法被应用于一个非平凡的物理案例：通过重夸克环产生的双光子、双喷注及 $\gamma$+喷注的二圈主积分。该系统涉及 220 个主积分、16 个平方根以及与椭圆周期相关的超越函数。

结果
作者在三个特定的相空间点上测试了该实现。

• 精度： 在双精度下，该方法实现的绝对误差为 $O(10^{-6})$ 和 $O(10^{-9})$。在四倍精度下，误差分别降低至 $O(10^{-8})$ 和 $O(10^{-19})$，验证了解析延拓的正确性和该方法的数值稳定性。
• 性能： 连接矩阵的评估时间被发现是非常高效的（取决于精度和硬件，在亚毫秒至几毫秒之间）。作者指出，在连接矩阵评估方面，四倍精度版本比双精度版本慢约 10 倍。
• 对比： 结果已通过与使用 AMFlow 软件包获得的值进行交叉检查，确认了其一致性。观察到在 Apple Silicon 芯片上的性能优于 AMD 处理器。

意义与主张
本文声称，该策略使得正则微分方程成为适用于任意费曼积分（包括涉及椭圆和卡拉比-丘几何的积分）的通用工具。其重要性在于，该方法无需要求实现复杂特殊函数的闭合形式，即可进行数值唯象学研究。通过利用其自身的有理微分方程来传播几何构建模块，该方法避免了特殊函数的“黑箱”实现以及相关的解析延拓难题。

作者将这项工作定位为实现复杂散射过程高阶微扰计算自动化的实践性步骤。他们强调，虽然目前的实现功能完备但尚未进行深度优化，但通过表达式优化和部分分式分解策略，可以进一步提升性能。该方法被认为已准备好用于大规模应用，特别是针对涉及多标度和质量粒子的过程，在这些过程中传统的级数展开方法表现不佳。