신경 선형 미분 방정식과 홀로그래픽 양자 색역학

초록 신경 선형 미분 방정식(신경 ODE)은 연속 깊이의 매개변수가 매끄러운 함수인 새로운 기계 학습 구조입니다. 우리는 무게 함수를 벌크 메트릭으로 간주하여 홀로그래픽 QCD에 신경 ODE를 적용하고, 유한 온도에서 카이랄 응축의 격자 QCD 데이터로 기계를 훈련합니다. 이 기계는 다양한 온도 값에서 일관된 벌크 기하학을 찾아내고, 홀로그래픽 벌크에서 자동으로 발생하는 블랙홀 수평선을 발견합니다. 발생한 기계 학습 벌크 시공간으로 계산된 홀로그래픽 윌슨 순환은 격리와 데바이 스크리닝 행동의 일관된 온도 의존성을 가지고 있습니다. 물리적으로 해석 가능한 가중치를 가진 기계 학습 모델에서는 신경 ODE가 하이퍼파라미터의 어려운 창의성을 초래하는 이산화 오차로부터 해방시켜주고, 수치 정확성을 향상시켜 모델을 더욱 신뢰할 수 있게 만듭니다.