論文の概要: Neural Network Approximations for Calabi-Yau Metrics
- arxiv url: http://arxiv.org/abs/2012.15821v2
- Date: Wed, 27 Jan 2021 18:57:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-17 16:55:24.282725
- Title: Neural Network Approximations for Calabi-Yau Metrics
- Title(参考訳): カラビヤウ計量のニューラルネットワーク近似
- Authors: Vishnu Jejjala, Damian Kaloni Mayorga Pena, Challenger Mishra
- Abstract要約: 我々は、Fermat quintic、Dwork quintic、Tian-Yau多様体の数値的平坦な計量を推論するために、機械学習の手法を用いる。
本研究では,3桁のトレーニングを行った後,リッチ平坦性を評価する尺度が減少することを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ricci flat metrics for Calabi-Yau threefolds are not known analytically. In
this work, we employ techniques from machine learning to deduce numerical flat
metrics for the Fermat quintic, for the Dwork quintic, and for the Tian-Yau
manifold. This investigation employs a single neural network architecture that
is capable of approximating Ricci flat Kaehler metrics for several Calabi-Yau
manifolds of dimensions two and three. We show that measures that assess the
Ricci flatness of the geometry decrease after training by three orders of
magnitude. This is corroborated on the validation set, where the improvement is
more modest. Finally, we demonstrate that discrete symmetries of manifolds can
be learned in the process of learning the metric.
- Abstract(参考訳): カラビ・ヤウ3次元多様体のリッチ平坦度は解析的には知られていない。
本研究では,Fermat quintic,Dwork quintic,Tian-Yau 多様体に対する数値平坦な計量を推論するために,機械学習の手法を用いる。
本研究は,2次元および3次元のカラビ・ヤウ多様体に対して,リッチ平坦ケーラー計量を近似できる単一ニューラルネットワークアーキテクチャを用いる。
本研究では,3桁のトレーニングを行った後,リッチ平坦性を評価する尺度が減少することを示す。
これは、改善がより控えめな検証セットに基づいています。
最後に、多様体の離散対称性は計量を学習する過程で学習できることを実証する。
関連論文リスト
- The Fisher-Rao geometry of CES distributions [50.50897590847961]
Fisher-Rao情報幾何学は、ツールを微分幾何学から活用することができる。
楕円分布の枠組みにおけるこれらの幾何学的ツールの実用的利用について述べる。
論文 参考訳(メタデータ) (2023-10-02T09:23:32Z) - Unsupervised Machine Learning Techniques for Exploring Tropical
Coamoeba, Brane Tilings and Seiberg Duality [0.0]
我々は、4d N=1超対称ゲージ理論のトーリック位相を特定するために教師なし機械学習手法を導入する。
これらの 4d N=1 超対称ゲージ理論は、トーリック・カラビ・ヤウ 3 倍の D3-ブレーンの世界理論である。
論文 参考訳(メタデータ) (2023-09-11T18:00:01Z) - Third quantization of open quantum systems: new dissipative symmetries
and connections to phase-space and Keldysh field theory formulations [77.34726150561087]
3つの方法全てを明示的に接続する方法で第3量子化の手法を再構成する。
まず、我々の定式化は、すべての二次ボゾンあるいはフェルミオンリンドブラディアンに存在する基本散逸対称性を明らかにする。
ボソンに対して、ウィグナー関数と特徴関数は密度行列の「波動関数」と考えることができる。
論文 参考訳(メタデータ) (2023-02-27T18:56:40Z) - Machine Learned Calabi-Yau Metrics and Curvature [0.0]
リッチ・フラット(カラビ・ヤウ)計量の発見は、弦理論や現象学に深い意味を持つ幾何学における長期的問題である。
この問題に対する新たな攻撃は、ニューラルネットワークを使用して、与えられたK"ahlerクラス内のカラビ・ヤウ計量への近似を工学する。
論文 参考訳(メタデータ) (2022-11-17T18:59:03Z) - Neural Bregman Divergences for Distance Learning [60.375385370556145]
本稿では,入力凸ニューラルネットワークを用いて任意のブレグマン分岐を微分可能な方法で学習するための新しいアプローチを提案する。
提案手法は,新しいタスクと以前に研究されたタスクのセットにおいて,より忠実に相違点を学習することを示す。
我々のテストはさらに、既知の非対称なタスクにまで拡張するが、Bregmanでないタスクでは、不特定性にもかかわらず、我々のメソッドは競争的に機能する。
論文 参考訳(メタデータ) (2022-06-09T20:53:15Z) - Calabi-Yau Metrics, Energy Functionals and Machine-Learning [0.0]
機械学習は、少数のトレーニングデータのサンプルしか見ていないカラビ・ヤウ計量のK"ahlerポテンシャルを予測することができることを示す。
論文 参考訳(メタデータ) (2021-12-20T21:30:06Z) - Bayesian Quadrature on Riemannian Data Manifolds [79.71142807798284]
データに固有の非線形幾何学構造をモデル化する原則的な方法が提供される。
しかし、これらの演算は通常計算的に要求される。
特に、正規法則上の積分を数値計算するためにベイズ二次(bq)に焦点を当てる。
先行知識と活発な探索手法を両立させることで,BQは必要な評価回数を大幅に削減できることを示す。
論文 参考訳(メタデータ) (2021-02-12T17:38:04Z) - Manifold Learning via Manifold Deflation [105.7418091051558]
次元削減法は、高次元データの可視化と解釈に有用な手段を提供する。
多くの一般的な手法は単純な2次元のマニフォールドでも劇的に失敗する。
本稿では,グローバルな構造を座標として組み込んだ,新しいインクリメンタルな空間推定器の埋め込み手法を提案する。
実験により,本アルゴリズムは実世界および合成データセットに新規で興味深い埋め込みを復元することを示した。
論文 参考訳(メタデータ) (2020-07-07T10:04:28Z) - Disentangling by Subspace Diffusion [72.1895236605335]
データ多様体の完全教師なし分解は、多様体の真の計量が知られている場合、可能であることを示す。
我々の研究は、教師なしメートル法学習が可能であるかどうかという問題を減らし、表現学習の幾何学的性質に関する統一的な洞察を提供する。
論文 参考訳(メタデータ) (2020-06-23T13:33:19Z) - Computationally Tractable Riemannian Manifolds for Graph Embeddings [10.420394952839242]
我々は、ある曲面リーマン空間におけるグラフ埋め込みを学習し、最適化する方法を示す。
我々の結果は、機械学習パイプラインにおける非ユークリッド埋め込みの利点の新たな証拠として役立ちます。
論文 参考訳(メタデータ) (2020-02-20T10:55:47Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。