기계학습 기반 전역 샘플링을 통한 격자 QCD 게이지 앙상블 생성의 혁신

연구목표

본 연구의 최종목표는 격자 QCD 계산에서 가장 중요한 병목 중 하나인 게이지 앙상블 생성 과정을 혁신하기 위해, 기계학습 기반 전역 샘플링 알고리즘을 개발하고 이를 엄밀한 Markov-chain Monte Carlo(MCMC) 체계 안에 통합하는 것이다. 격자 QCD는 강상호작용의 비섭동적 현상을 제1원리에서 계산할 수 있는 핵심 방법이지만, 실제 계산에...