論文の概要: Breeding realistic D-brane models

• arxiv url: http://arxiv.org/abs/2112.08391v1
• Date: Wed, 15 Dec 2021 19:00:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-17 16:58:29.750866
• Title: Breeding realistic D-brane models
• Title（参考訳）: 実生実生Dブレーンモデル
• Authors: Gregory J. Loges, Gary Shiu
• Abstract要約: 交差ブレーンは、弦理論から粒子物理学モデルを構築するのに有用なメカニズムを提供する。 機械学習技術は、多数の一貫性と現象学的に望ましいモデルを構築するのに有効である。 D6-ブレーンが交差する4次元の$cal N=1$超対称型 IIAifold に対して、$mathcalO(106)$一意的に完全に一貫したモデルを簡単に構築できることを実証する。
• 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: Intersecting branes provide a useful mechanism to construct particle physics models from string theory with a wide variety of desirable characteristics. The landscape of such models can be enormous, and navigating towards regions which are most phenomenologically interesting is potentially challenging. Machine learning techniques can be used to efficiently construct large numbers of consistent and phenomenologically desirable models. In this work we phrase the problem of finding consistent intersecting D-brane models in terms of genetic algorithms, which mimic natural selection to evolve a population collectively towards optimal solutions. For a four-dimensional ${\cal N}=1$ supersymmetric type IIA orientifold with intersecting D6-branes, we demonstrate that $\mathcal{O}(10^6)$ unique, fully consistent models can be easily constructed, and, by a judicious choice of search environment and hyper-parameters, $\mathcal{O}(30\%)$ of the found models contain the desired Standard Model gauge group factor. Having a sizable sample allows us to draw some preliminary landscape statistics of intersecting brane models both with and without the restriction of having the Standard Model gauge factor.
• Abstract（参考訳）: 交差ブレーンは、様々な望ましい特性を持つ弦理論から粒子物理モデルを構築するための有用なメカニズムを提供する。 このようなモデルの景観は巨大であり、最も現象学的に興味深い地域に向かうことは、潜在的に困難である。 機械学習技術は、多数の一貫性と現象学的に望ましいモデルを構築するのに有効である。 本研究では,自然選択を模倣して集団を最適な解へと進化させる遺伝的アルゴリズムを用いて,一貫したD-ブレーンモデルを見つけるという問題を述べる。 4次元の${\cal n}=1$ 超対称型iiaオリエンティフォールドと交差するd6-ブレーンに対して、$\mathcal{o}(10^6)$一意で完全一貫性のあるモデルを簡単に構築でき、探索環境とハイパーパラメータの公平な選択により、得られたモデルの$\mathcal{o}(30\%)$が所望の標準模型ゲージ群因子を含むことを実証する。 大きさのサンプルを持つことで、標準モデルゲージ係数の制限なしに、ブレーンモデルと交差する際の予備的なランドスケープ統計を引き出すことができる。

関連論文リスト

• A survey of probabilistic generative frameworks for molecular simulations [0.0]
  生成的人工知能は現在、分子科学において広く使われているツールである。 本稿では,フローベースモデルと拡散モデルという2つのカテゴリに大別された生成モデルのクラスを紹介し,説明する。 可変次元, 複雑性, モーダル非対称性を持つデータセットの精度, 計算コスト, 生成速度について検討する。
  論文  参考訳（メタデータ） (2024-11-14T12:05:08Z)
• Improving Generative Model-based Unfolding with Schr\"{o}dinger Bridges [14.989614554242229]
  機械学習に基づく展開により、未結合かつ高次元の断面積測定が可能になった。 我々はシュレーディンガーブリッジと拡散モデルを用いてSBUnfoldを作成することを提案する。 SBUnfoldは,合成Z+jetsデータセット上でのアート手法の状態と比較して,優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2023-08-23T18:01:01Z)
• Geometric Neural Diffusion Processes [55.891428654434634]
  拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。 これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
  論文  参考訳（メタデータ） (2023-07-11T16:51:38Z)
• Git Re-Basin: Merging Models modulo Permutation Symmetries [3.5450828190071655]
  提案手法は,大規模ネットワークに適合する簡単なアルゴリズムを実例で示す。 我々は、独立に訓練されたモデル間のゼロモード接続の最初のデモ(私たちの知る限り)を実演する。 また、線形モード接続仮説の欠点についても論じる。
  論文  参考訳（メタデータ） (2022-09-11T10:44:27Z)
• Low-Rank Constraints for Fast Inference in Structured Models [110.38427965904266]
  この研究は、大規模構造化モデルの計算とメモリの複雑さを低減するための単純なアプローチを示す。 言語モデリング,ポリフォニック・ミュージック・モデリング,教師なし文法帰納法,ビデオ・モデリングのためのニューラルパラメータ構造モデルを用いた実験により,我々の手法は大規模状態空間における標準モデルの精度と一致することを示した。
  論文  参考訳（メタデータ） (2022-01-08T00:47:50Z)
• On Model Selection Consistency of Lasso for High-Dimensional Ising Models on Tree-like Graphs [13.14903445595385]
  近傍型最小絶対収縮・選択演算子(Lasso)を用いた高次元イジングモデル選択の問題点を考察する。 常磁性相の任意の木様グラフに対して、サンプルサイズ$n=Omega(d3logp)$で一貫したモデル選択が達成できることは厳密に証明されている。 ラッソの人気と効率性を考えると、厳密な解析はイジングモデル選択における実践的利用の理論的裏付けとなる。
  論文  参考訳（メタデータ） (2021-10-16T07:23:02Z)
• Model-agnostic multi-objective approach for the evolutionary discovery of mathematical models [55.41644538483948]
  現代のデータ科学では、どの部分がより良い結果を得るために置き換えられるかというモデルの性質を理解することがより興味深い。 合成データ駆動型モデル学習において,多目的進化最適化を用いてアルゴリズムの所望特性を求める。
  論文  参考訳（メタデータ） (2021-07-07T11:17:09Z)
• Design of Dynamic Experiments for Black-Box Model Discrimination [72.2414939419588]
  選択したいような動的モデル判別の設定を考えてみましょう。 (i) 最高のメカニスティックな時間変化モデルと (ii) 最高のモデルパラメータ推定値です。 勾配情報にアクセス可能な競合する力学モデルに対しては、既存の手法を拡張し、より広い範囲の問題の不確実性を組み込む。 これらのブラックボックスモデルをガウス過程サロゲートモデルに置き換えることで、モデル識別設定を拡張して、競合するブラックボックスモデルをさらに取り入れる。
  論文  参考訳（メタデータ） (2021-02-07T11:34:39Z)
• Probabilistic Circuits for Variational Inference in Discrete Graphical Models [101.28528515775842]
  変分法による離散的グラフィカルモデルの推論は困難である。 エビデンス・ロウアーバウンド(ELBO)を推定するためのサンプリングに基づく多くの手法が提案されている。 Sum Product Networks (SPN) のような確率的回路モデルのトラクタビリティを活用する新しい手法を提案する。 選択的SPNが表現的変動分布として適していることを示し、対象モデルの対数密度が重み付けされた場合、対応するELBOを解析的に計算可能であることを示す。
  論文  参考訳（メタデータ） (2020-10-22T05:04:38Z)
• Learning Bijective Feature Maps for Linear ICA [73.85904548374575]
  画像データに適した既存の確率的深層生成モデル (DGM) は, 非線形ICAタスクでは不十分であることを示す。 そこで本研究では,2次元特徴写像と線形ICAモデルを組み合わせることで,高次元データに対する解釈可能な潜在構造を学習するDGMを提案する。 画像上のフローベースモデルや線形ICA、変分オートエンコーダよりも、高速に収束し、訓練が容易なモデルを作成し、教師なしの潜在因子発見を実現する。
  論文  参考訳（メタデータ） (2020-02-18T17:58:07Z)

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。