진화 알고리즘을 이용한 격자장 이론 질량 스펙트럼 추출

초록

본 논문은 격자 QCD에서 측정된 상관 함수의 질량 스펙트럼을 추출하기 위해 진화 알고리즘(EA)을 적용한 새로운 피팅 방법을 제안한다. EA는 전역 최적화에 강점이 있어, 피팅에 필요한 상태 수와 각 상태의 에너지를 동적으로 조정하면서 χ²/(자유도) 를 최소화한다. 이를 통해 전통적인 비선형 최소제곱법이나 베이지안 접근법이 갖는 초기값 의존성·모델 선택 문제를 완화하고, 다중 상관 함수와 복잡한 스펙트럼에도 안정적인 결과를 얻을 수 있음을 보인다.

상세 분석

이 연구는 격자 양자색역학(Lattice QCD)에서 가장 기본적인 물리량 중 하나인 입자 질량을, 시간에 대한 상관 함수 (C(t)=\sum_{n}A_{n}e^{-E_{n}t}) 형태로 모델링하고 이를 데이터에 맞추는 과정에서 발생하는 비선형 최적화 문제를 해결하고자 한다. 전통적인 방법은 사전에 몇 개의 상태 (N)를 가정하고, 비선형 최소제곱(Levenberg‑Marquardt 등)이나 베이지안 프라이어를 이용해 파라미터 ({A_{n},E_{n}})를 추정한다. 그러나 실제 데이터는 잡음이 크고, 최적화 초기값에 민감하며, 상태 수를 잘못 선택하면 과적합 혹은 언더피팅이 발생한다.

진화 알고리즘은 이러한 문제점을 자연 선택 메커니즘에 비유한다. 개체(population)는 각각 가능한 피팅 모델을 나타내며, 유전 연산자(교배, 돌연변이)를 통해 새로운 후보를 생성한다. 여기서 핵심은 모델 구조 자체를 유전 정보에 포함시켜, 개체가 “몇 개의 지수 항을 포함하는가”라는 메타 파라미터를 스스로 진화시킬 수 있게 한 점이다. 피트니스 함수는
\