用神经网络构造自旋共形场，计算其多点关联函数。

Spinning Conformal Correlators from Neural Networks

• 基于嵌入形式和神经网络构建自旋共形场
• 在无限宽极限下恢复4维麦克斯韦共形场论
• 为共形场论提供新数值工具，适合理论物理研究者

我们利用神经网络和嵌入形式构造自旋共形场，计算了其二、三、四点关联函数的实例，延续了文献\cite{Halverson:2024axc}中关于标量共形场的技术。对于一组独立同分布的神经元，在无限宽度极限下，我们成功恢复了4维麦克斯韦共形场论（4d Maxwell CFT）。

原文摘要 · Abstract (English)

We construct spinning conformal fields from neural networks and the embedding formalism, computing their two-, three- and four-point functions in examples, building on scalar conformal field techniques introduced in \cite{Halverson:2024axc}. For a particular ensemble of i.i.d. neurons we recover the 4d Maxwell CFT in the infinite-width limit.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。