격자 게이지 이론을 위한 게이지 등변 그래프 신경망 (GNN)

요약

본 논문은 국소 게이지 대칭성(local gauge symmetry)이 지배하는 양자 물질 및 기본 상호작용 시스템을 위한 새로운 접근 방식을 제시합니다. 기존 ML 방법론들이 사이트 의존적(site-dependent) 대칭성을 처리하는 데 어려움을 겪었던 문제를 해결하고자, 메시지 전달 과정에 비가환(non-Abelian) 대칭성을 직접 통합한 게이지 등변 그래프 신경망을 제안했습니다. 이 모델은 국소 연산만으로도 격자 전체의 비국소 상관관계(nonlocal correlations)와 루프 구조를 자연스럽게 학습할 수 있게 하여,

핵심 포인트

• 메시지 전달 과정에 비가환 대칭성(non-Abelian symmetry)을 직접 통합하여 게이지 등변성을 구현했습니다.
• 제안된 GNN은 국소 연산만으로 격자 전체의 게이지 공변 전송(gauge-covariant transport)을 수행하며, 이는 비국소 상관관계 학습을 가능하게 합니다.
• 순수 게이지, 게이지-물질, 동역학적 영역에 걸쳐 접근 방식을 검증하여, 국소 대칭성 시스템 학습의 일반적인 패러다임을 확립했습니다.