- 発表者
- 酒井 裕貴（草部研）
- 指導教員
- 草部 浩一
- Title
- Machine Learning Approach to Analytic Continuation of temperature Green’s function into Spectrum function
- Abstract
-
Spectrum function is obtained by analytic continuation of the temperature Green's function and represents a probability distribution of single-particle with each energy. However, this analytic continuation is ill-defined and currently no analytic transformation for a exact solution. As numerical method for analytic continuation, Maximum Entropy method[1] and Stochastic Optimization method[2] are widely used. And recently, a new method using Machine Learning approach is proposed. In this colloquium, we introduce this Machine Learning approach and describe pros and cons comparing it with two conventional methods.
- タイトル
- 温度グリーン関数からスペクトル関数への解析接続についての機械学習アプローチ
- 概要
-
スペクトル関数は、温度グリーン関数を解析接続することで得られる、粒子の各エネルギーにおける存在確率を表す関数である。この解析接続では、解の形が定まっておらず、また現在までに厳密解を求める手法が知られていない。 この解析接続の数値的手法として、最大エントロピー法[1]・確率的最適化法[2]が広く使われてきた。そして近年、新しく機械学習を用いた手法が提案された。[3] 今回のコロキウムでは、この機械学習を用いた手法を紹介するとともに、従来の2手法と比較し、新手法の利点・改善点を述べる。
- References