論文の概要: Intelligent Explorations of the String Theory Landscape
- arxiv url: http://arxiv.org/abs/2204.08073v1
- Date: Sun, 17 Apr 2022 19:24:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-19 15:50:37.691183
- Title: Intelligent Explorations of the String Theory Landscape
- Title(参考訳): 弦理論景観のインテリジェントな探索
- Authors: Andrei Constantin
- Abstract要約: 滑らかなカラビ・ヤウ多様体上にコンパクト化された$E_8times E_8$ヘテロティック弦の文脈におけるモデル構築の取り組みに焦点をあてる。
機械学習が変化を期待するいくつかの分野について論じる。
- 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: The goal of identifying the Standard Model of particle physics and its
extensions within string theory has been one of the principal driving forces in
string phenomenology. Recently, the incorporation of artificial intelligence in
string theory and certain theoretical advancements have brought to light
unexpected solutions to mathematical hurdles that have so far hindered progress
in this direction. In this review we focus on model building efforts in the
context of the $E_8\times E_8$ heterotic string compactified on smooth
Calabi-Yau threefolds and discuss several areas in which machine learning is
expected to make a difference.
- Abstract(参考訳): 粒子物理学の標準モデルとその弦理論の拡張を同定することのゴールは、弦現象学における主要な駆動力の1つである。
近年、弦理論に人工知能が組み込まれ、ある理論的な進歩が、これまでこの方向の進歩を妨げてきた数学的ハードルに対する軽々しい予期せぬ解決をもたらした。
本稿では,smooth calabi-yau 3次元にコンパクト化された$e_8\times e_8$ヘテロティック文字列の文脈におけるモデル構築の取り組みに注目し,機械学習が成功するであろういくつかの領域について考察する。
関連論文リスト
- Rigor with Machine Learning from Field Theory to the Poincar\'e
Conjecture [0.0]
本稿では,機械学習を用いた自然科学における厳密性獲得手法について論じる。
非厳密な手法は、予想生成や強化学習による検証を通じて厳密な結果をもたらす可能性がある。
また、機械学習理論と数学または理論物理学の間に直接の橋渡しを構築することも想像できる。
論文 参考訳(メタデータ) (2024-02-20T19:00:59Z) - Relaxation of first-class constraints and the quantization of gauge
theories: from "matter without matter" to the reappearance of time in quantum
gravity [75.38606213726906]
第一級位相空間の制約は、新しい自由度値の修正と解釈すれば緩和することができる。
このアイデアはフォックとシュテッケルベルクに遡り、理論のゲージ対称性の制限につながった。
特に正準量子重力の場合、フォック-シュテッケルベルクのアプローチは、いわゆる時間の問題に関係している。
論文 参考訳(メタデータ) (2024-02-19T19:00:02Z) - Hamiltonian truncation tensor networks for quantum field theories [42.2225785045544]
連続場理論の古典的シミュレーションのためのテンソルネットワーク手法を提案する。
この手法はハミルトン・トランケーションとテンソル・ネットワーク技術に基づいて構築されている。
重要な発展の1つは、大域的プロジェクターの行列積状態表現の正確な構成である。
論文 参考訳(メタデータ) (2023-12-19T19:00:02Z) - Cold-atom quantum simulators of gauge theories [1.4341135588371103]
本論では、ゲージ理論の冷原子量子シミュレータの進歩を概説する。
我々は、この分野がどこへ向かっているのか、そして、その技術を次のレベルへと導くために実験的に、理論的に何が必要か、簡単な展望を提供する。
論文 参考訳(メタデータ) (2023-10-18T18:00:02Z) - Entanglement Witnessing for Lattice Gauge Theories [0.0]
絡み合いは現代の量子多体物理学において中心的な役割を担っている。
格子ゲージ理論における絡み目の理論的枠組みを開発する。
2+1次元の$mathrmU(1)$格子ゲージ理論の例でこの概念を説明する。
論文 参考訳(メタデータ) (2022-07-01T18:01:21Z) - A Free Lunch from the Noise: Provable and Practical Exploration for
Representation Learning [55.048010996144036]
ある雑音仮定の下では、対応するマルコフ遷移作用素の線型スペクトル特性を自由な閉形式で得られることを示す。
本稿では,スペクトルダイナミクス埋め込み(SPEDE)を提案する。これはトレードオフを破り,雑音の構造を利用して表現学習のための楽観的な探索を完遂する。
論文 参考訳(メタデータ) (2021-11-22T19:24:57Z) - Holographic tensor network models and quantum error correction: A
topical review [78.28647825246472]
ホログラフィックの双対性の研究の最近の進歩は、量子情報理論の概念や技術と結びついている。
特に成功したアプローチは、テンソルネットワークによるホログラフィック特性のキャプチャである。
論文 参考訳(メタデータ) (2021-02-04T14:09:21Z) - Formalising Concepts as Grounded Abstractions [68.24080871981869]
このレポートは、表現学習が生データから概念を誘導する方法を示しています。
このレポートの主な技術的目標は、表現学習のテクニックが概念空間の格子理論的定式化とどのように結婚できるかを示すことである。
論文 参考訳(メタデータ) (2021-01-13T15:22:01Z) - Recent advances in deep learning theory [104.01582662336256]
本稿では,近年のディープラーニング理論の進歩をレビューし,整理する。
文献は,(1)深層学習の一般化可能性を分析する複雑性とキャパシティに基づくアプローチ,(2)勾配降下とその変種をモデル化するための微分方程式とその力学系,(3)動的システムの軌道を駆動する損失景観の幾何学的構造,(5)ネットワークアーキテクチャにおけるいくつかの特別な構造の理論的基礎,の6つのグループに分類される。
論文 参考訳(メタデータ) (2020-12-20T14:16:41Z) - Theoretical methods for ultrastrong light-matter interactions [91.3755431537592]
本稿では,超強結合状態における空洞量子力学を理解するために開発された理論的手法について概説する。
本稿は、基底状態特性の解析的推定からマスター方程式の適切な計算まで、最近の進歩の概要を概説する。
論文の大半は、超強結合が到達した様々な実験プラットフォームに関連する効果的なモデルに特化している。
論文 参考訳(メタデータ) (2020-01-23T18:09:10Z)
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。