扩散模型用于O(3)非线性σ模型多尺度采样
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
最新进展10月30日 12:00
扩散模型应用于 O(3) 非线性σ模型报道时间线
沿着报道,了解事件的不同侧面。
10月30日
- 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
- –
02.557.510
17:0018:0019:00
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。