神经网络在路径优化方法中对符号问题的应用

我们介绍了前馈神经网络,通过路径优化方法来攻击符号问题。 通过最小化成本函数,可以使积分变量复杂化,并在复杂空间中优化积分路径,这反映了符号问题的严重性。 为了准备和优化多维系统中的积分路径,我们利用了前馈神经网络。 我们以有限化学势下的二维复数理论为例,研究带有符号问题的量子场论方法的有效性和有效性。 我们表明,优化后平均相位因子显着提高,然后我们可以安全地执行混合蒙特卡洛方法。