Targeting multi-loop integrals with neural networks
Abstract:
Numerical evaluations of Feynman integrals often proceed via a deformation of the integration contour into the complex plane. While valid contours are easy to construct, the numerical precision for a multi-loop integral can depend critically on the chosen contour. We present methods to optimize this contour using a combination of optimized, global complex shifts and a normalizing flow. They can lead to a significant gain in precision.
| Zugehörige Institution(en) am KIT | Institut für Astroteilchenphysik (IAP) Institut für Theoretische Physik (ITP) |
| Publikationstyp | Zeitschriftenaufsatz |
| Publikationsjahr | 2022 |
| Sprache | Englisch |
| Identifikator | ISSN: 2542-4653 KITopen-ID: 1000148734 |
| HGF-Programm | 51.11.01 (POF IV, LK 01) Teilchenphysik |
| Erschienen in | SciPost Physics |
| Verlag | SciPost |
| Band | 12 |
| Seiten | Art.-Nr.: 129 |
| Vorab online veröffentlicht am | 13.04.2022 |
| Nachgewiesen in | Scopus Dimensions Web of Science |
| Relationen in KITopen |