Tropical sampling from Feynman measures
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We introduce an algorithm that samples a set of loop momenta distributed as a given Feynman integrand. The algorithm uses the tropical sampling method and can be applied to evaluate phase-space-type integrals efficiently. We provide an implementation, momtrop , and apply it to a series of relevant integrals from the loop-tree duality framework. Compared to naive sampling methods, we observe convergence speedups by factors of more than 10 6 . Program Title: momtrop CPC Library link to program files: https://doi.org/10.17632/v9mxr9dw2z.1 Developer's repository link: https://github.com/alphal00p/momtrop Licensing provisions: MIT Programming language: Rust Nature of problem: Efficient numerical evaluation of Feynman-type integrals (e.g. phase space or loop-tree duality integrals). Solution method: Efficient sampling of loop momenta distributed as the Feynman measure (i.e. the integrand of a scalar Euclidean Feynman integral) using tropical sampling [1]. The input to the library is the graph associated to the Feynman measure. From the graph a sampler is produced that takes as input a set of uniformly distributed random numbers and returns a (weighted) set of loop momenta. Additional comments including restrictions and unusual features: Memory usage is exponential in the number of propagators of the Feynman integral. There can be numerical instabilities if the parameters are close to a divergent configuration. [1] M. Borinsky, Tropical Monte Carlo quadrature for Feynman integrals, Ann. Inst. H. Poincare D Comb. Phys. Interact. 10 (4) (2023) 635–685. arXiv:2008.12310 , https://doi.org/10.4171/aihpd/158 .
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle