跳到正文
热点事件持续更新

扩散模型用于O(3)非线性σ模型多尺度采样

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

研究人员基于扩散模型训练二维经典海森堡模型,以实现O(3)非线性σ模型的多尺度采样。该方法旨在提升直接采样在最细网格上的精度,并优化计算成本。模型在训练集的三个不同粗粒化版本上进行训练。研究引入了Stein或Schwinger-Dyson诊断,用于评估二点关联函数中learned score的质量,并将其纳入额外训练损失。

AI 根据报道生成 · 3 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月30日
  1. arXiv · ML
    扩散模型应用于 O(3) 非线性σ模型

    基于扩散模型训练二维经典海森堡模型,实现 O(3) 非线性σ模型的多尺度采样,提升直接采样在 finest lattice 上的精度并优化计算成本。 模型在训练集的三个不同粗粒化版本上进行训练,引入 Stein (或 Schwinger-Dyson) 诊断评估二点关联函数中 learned score 的质量,并将其纳入额外训练损失。

本事件热度走势

可比范围当前
8
可比范围峰值
910月30日 17:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。