論文の概要: Truth, beauty, and goodness in grand unification: a machine learning approach

• arxiv url: http://arxiv.org/abs/2411.06718v1
• Date: Mon, 11 Nov 2024 05:02:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-12 14:07:03.449124
• Title: Truth, beauty, and goodness in grand unification: a machine learning approach
• Title（参考訳）: 大統一における真理・美・善さ--機械学習のアプローチ
• Authors: Shinsuke Kawai, Nobuchika Okada,
• Abstract要約: 超対称$SU(5)$Grand Unified Theory(GUT)モデルのフレーバーセクターを機械学習技術を用いて検討する。 最小の$SU(5)$モデルは、自然界で観測された値に反するフェルミオン質量を予測することが知られている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We investigate the flavour sector of the supersymmetric $SU(5)$ Grand Unified Theory (GUT) model using machine learning techniques. The minimal $SU(5)$ model is known to predict fermion masses that disagree with observed values in nature. There are two well-known approaches to address this issue: one involves introducing a 45-representation Higgs field, while the other employs a higher-dimensional operator involving the 24-representation GUT Higgs field. We compare these two approaches by numerically optimising a loss function, defined as the ratio of determinants of mass matrices. Our findings indicate that the 24-Higgs approach achieves the observed fermion masses with smaller modifications to the original minimal $SU(5)$ model.
• Abstract（参考訳）: 超対称$SU(5)$Grand Unified Theory(GUT)モデルのフレーバーセクターを機械学習技術を用いて検討する。 最小の$SU(5)$モデルは、自然界で観測された値に反するフェルミオン質量を予測することが知られている。 この問題には2つのよく知られたアプローチがある: 1つは45-表現ヒッグス場を導入し、もう1つは24-表現ヒッグス場を含む高次元作用素を用いる。 質量行列の行列式の比として定義される損失関数を数値的に最適化することにより、これらの2つの手法を比較した。 以上の結果から,24-Higgs法によって観測されたフェルミオン質量は,より小さなSU(5)$モデルに変化することが示唆された。

関連論文リスト

• Efficient Verification-Based Face Identification [50.616875565173274]
  効率の良いニューラルモデルで顔認証を行う際の問題点を$f$で検討する。 我々のモデルは、23kパラメータと5M浮動小数点演算(FLOPS)しか必要としない、かなり小さな$f$に導かれる。 我々は、6つの顔認証データセットを用いて、我々の手法が最先端のモデルよりも同等か優れていることを示す。
  論文  参考訳（メタデータ） (2023-12-20T18:08:02Z)
• A higher-order topological twist on cold-atom SO(5) Dirac fields [0.0]
  我々は、Gross-Neveu と Thirring の相互作用を高次の位相的ツイストと組み合わせる方法を示す。 格子モデルは、このQFTの正則化に対応して、異方性ツイストされたウィルソン質量を持つことを示す。 これにより、隠れたSO(5)対称性で保護された高次の位相状態にアクセスできる。
  論文  参考訳（メタデータ） (2023-08-23T10:42:17Z)
• From Dyson Models to Many-Body Quantum Chaos [0.0]
  単一粒子から多体カオス遷移において,エンフェデローカライゼーションが支配的な過程であることを示す。 われわれのアプローチは基本的に、多体カオスを単一粒子の観点から見る新しい方法を提供する。
  論文  参考訳（メタデータ） (2023-02-02T07:33:10Z)
• Heterogenous Ensemble of Models for Molecular Property Prediction [55.91865861896012]
  分子の異なるモーダル性を考える手法を提案する。 これらのモデルをHuberRegressorでアンサンブルします。 これにより、OGB Large-Scale Challenge (2022)の2textsuperscriptndエディションの勝利のソリューションが得られる。
  論文  参考訳（メタデータ） (2022-11-20T17:25:26Z)
• Remarks on the Clauser-Horne-Shimony-Holt inequality in relativistic quantum field theory [0.0]
  相対論的量子場理論モデルにおけるCHSH$不等式について検討する。 標準量子化法により,Fock真空中でのCHSH$型相関器の構築と評価を行う。 このモデルは、ゲージ理論のより物理的な場合におけるベルの不等式の研究に利用できる。
  論文  参考訳（メタデータ） (2022-10-28T19:15:57Z)
• Direct Molecular Conformation Generation [217.4815525740703]
  本稿では,原子の座標を直接予測する手法を提案する。 提案手法は,4つの公開ベンチマークの最先端結果を実現する。
  論文  参考訳（メタデータ） (2022-02-03T01:01:58Z)
• Sparse MoEs meet Efficient Ensembles [49.313497379189315]
  このようなモデルの2つの一般的なクラス、すなわちニューラルネットワークのアンサンブルと専門家のスパースミックス(スパースMoE)の相互作用について研究する。 Efficient Ensemble of Experts (E$3$)は、両モデルのクラスを最大限に活用するスケーラブルでシンプルなMoEのアンサンブルであり、深いアンサンブルよりも最大45%少ないFLOPを使用する。
  論文  参考訳（メタデータ） (2021-10-07T11:58:35Z)
• Lessons from $O(N)$ models in one dimension [0.0]
  1つの時空次元(通常の量子力学)における$O(N)$モデルに関連する様々なトピックが考慮される。 その焦点は、より単純な文脈で量子場理論の手法を教育的に提示することである。
  論文  参考訳（メタデータ） (2021-09-14T11:36:30Z)
• Quaternion Factorization Machines: A Lightweight Solution to Intricate Feature Interaction Modelling [76.89779231460193]
  factorization machine(fm)は、機能間の高次インタラクションを自動的に学習し、手動の機能エンジニアリングを必要とせずに予測を行うことができる。 本研究では,スパース予測解析のためのQFM(Quaternion factorization Machine)とQNFM(Quaternion neural factorization Machine)を提案する。
  論文  参考訳（メタデータ） (2021-04-05T00:02:36Z)
• The Generalized Lasso with Nonlinear Observations and Generative Priors [63.541900026673055]
  我々は、幅広い測定モデルで満たされるガウス下測度を仮定する。 この結果から, 局所埋込特性を仮定して, 均一回復保証まで拡張できることが示唆された。
  論文  参考訳（メタデータ） (2020-06-22T16:43:35Z)
• Machine Learning Quantum States -- Extensions to Fermion-Boson Coupled Systems and Excited-State Calculations [0.0]
  本研究では,フェミオンボソン結合ハミルトニアンの解析に機械学習技術の適用を可能にする手法を提案する。 本手法は,モンテカルロ変分法に比べて精度が向上し,高精度な基底状態エネルギーが得られることを示す。
  論文  参考訳（メタデータ） (2020-01-07T15:11:12Z)

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。