In lattice QCD, the trace of the inverse of the discretized Dirac operator appears in the disconnected fermion loop contribution to an observable. As simulation methods get more and more precise, these contributions become increasingly important. Hence, we consider here the problem of computing the trace $\mathrm{tr}(D^{-1})$, with $D$ the Dirac operator. The Hutchinson method, which is very frequently used to stochastically estimate the trace of a function of a matrix, approximates the trace as the average over estimates of the form $x^{H} D^{-1} x$, with the entries of the vector $x$ following a certain probability distribution. For $N$ samples, the accuracy is $\mathcal{O}(1/\sqrt{N})$. In recent work, we have introduced multigrid multilevel Monte Carlo: having a multigrid hierarchy with operators $D_{\ell}$, $P_{\ell}$ and $R_{\ell}$, for level $\ell$, we can rewrite the trace $\mathrm{tr}(D^{-1})$ via a telescopic sum with difference-levels, written in terms of the aforementioned operators and with a reduced variance. We have seen significant reductions in the variance and the total work with respect to exactly deflated Hutchinson. In this work, we explore the use of exact deflation in combination with the multigrid multilevel Monte Carlo method, and demonstrate how this leads to both algorithmic and computational gains.


翻译:在 lattice QCD 中, 离散的 Dirac 操作员的倒数在离散的 Fermion 环状对可观察性的贡献中出现反差的痕迹。 随着模拟方法越来越精确, 这些贡献变得越来越重要 。 因此, 我们在这里考虑计算 track $\ mathrm{ tr} (D ⁇ -1}) 美元的问题, 使用 Dirac 操作员 $ Dirac 。 Hutchinson 方法非常频繁地用来对矩阵函数的踪迹进行随机估测, 其微值接近于 $xH} D ⁇ -1} x$ 的估计数的平均值, 随着矢量 $xx 的概率分布, 这些值越来越精确。 对于美元样本, 准确性是 $\ mathal{ (1/ sqrt{N} 美元 。 ) 在最近的工作中, 我们采用了多电网多层次的 Montecarlo: 与操作员 $D ⁇ 美元, 组合 $P ⁇ 美元 和 $R ⁇ ell} 美元, 对于 美元, 我们可以重新修正 rodeal decal decal decal decal deal deal deal deal deal deal deal de lex lex lex lex levelevations de leglex lex, 我们 legal deal deal decals lex lex 和 leglexxxxxxxxxxxx 和我们 和我们 lex lexxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

0
下载
关闭预览

相关内容

不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
72+阅读 · 2022年6月28日
专知会员服务
50+阅读 · 2020年12月14日
专知会员服务
39+阅读 · 2020年9月6日
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
VIP会员
相关VIP内容
不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
72+阅读 · 2022年6月28日
专知会员服务
50+阅读 · 2020年12月14日
专知会员服务
39+阅读 · 2020年9月6日
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
相关资讯
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
相关基金
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员