論文の概要: Unraveling particle dark matter with Physics-Informed Neural Networks

• arxiv url: http://arxiv.org/abs/2502.17597v1
• Date: Mon, 24 Feb 2025 19:27:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-27 14:56:22.874411
• Title: Unraveling particle dark matter with Physics-Informed Neural Networks
• Title（参考訳）: 物理インフォームドニューラルネットワークによる粒子ダークマターの解法
• Authors: M. P. Bento, H. B. Câmara, J. F. Seabra,
• Abstract要約: 我々は、物理インフォームドニューラルネットワーク(PINN)を用いた代替宇宙論において、フリーズインダークマター(DM)を規定するボルツマン方程式を解く。 我々は、ブレーンワールドのシナリオに触発されたこの理論の物理的特性、すなわち、パワー・ロー宇宙論、および粒子相互作用断面積を決定する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We parametrically solve the Boltzmann equations governing freeze-in dark matter (DM) in alternative cosmologies with Physics-Informed Neural Networks (PINNs), a mesh-free method. Through inverse PINNs, using a single DM experimental point -- observed relic density -- we determine the physical attributes of the theory, namely power-law cosmologies, inspired by braneworld scenarios, and particle interaction cross sections. The expansion of the Universe in such alternative cosmologies has been parameterized through a switch-like function reproducing the Hubble law at later times. Without loss of generality, we model more realistically this transition with a smooth function. We predict a distinct pair-wise relationship between power-law exponent and particle interactions: for a given cosmology with negative (positive) exponent, smaller (larger) cross sections are required to reproduce the data. Lastly, via Bayesian methods, we quantify the epistemic uncertainty of theoretical parameters found in inverse problems.
• Abstract（参考訳）: メッシュフリー手法である物理インフォームドニューラルネットワーク (PINN) の代替宇宙論において, フリーズインダークマター (DM) を規定するボルツマン方程式をパラメトリックに解く。 逆PINNを1つのDM実験点(relic density)を使って、ブレーンワールドのシナリオにインスパイアされたパワーロー宇宙論と粒子相互作用断面積の物理的特性を決定する。 このような代替宇宙論における宇宙の拡大は、後にハッブル法則を再現するスイッチのような関数によってパラメータ化されている。 一般性を失うことなく、より現実的にこの遷移を滑らかな関数でモデル化する。 負の(正の)指数を持つ与えられた宇宙論では、より小さい(大きい)断面がデータを再現するために必要である。 最後に,ベイズ法を用いて,逆問題における理論的パラメータの疫学的不確かさを定量化する。

関連論文リスト

• Quantum Effects on Cosmic Scales as an Alternative to Dark Matter and Dark Energy [5.577935944665]
  スピンねじれ理論を開発し、球対称および静的重力系について検討する。 我々は、マクロな物質の量子スピンが宇宙スケールで注目されるようになると仮定する。 このアプローチの重要な側面は、スケール関数を持つディラック方程式の定数質量を置換することである。
  論文  参考訳（メタデータ） (2024-09-02T09:02:29Z)
• Fourier Neural Differential Equations for learning Quantum Field Theories [57.11316818360655]
  量子場理論は相互作用ハミルトニアンによって定義され、散乱行列によって実験データにリンクされる。 本稿では,NDEモデルを用いて理論,スカラー・ユーカワ理論,スカラー量子電磁力学を学習する。 理論の相互作用ハミルトニアンは、ネットワークパラメータから抽出することができる。
  論文  参考訳（メタデータ） (2023-11-28T22:11:15Z)
• Symmetry Resolved Entanglement of Excited States in Quantum Field Theory III: Bosonic and Fermionic Negativity [0.0]
  量子場理論における準粒子励起状態の解決されたR'enyiエントロピーについて検討する。 我々は、部分的に転位した還元密度行列の電荷モーメントの比をツイスト演算子の期待値として計算する。 部分転移の操作はフェルミオン理論の再定義を必要とするが、励起状態と基底状態の間の負性モーメントの比は普遍的でフェルミオンとボソンと同一である。
  論文  参考訳（メタデータ） (2023-02-06T10:05:58Z)
• Formation of robust bound states of interacting microwave photons [148.37607455646454]
  相互作用系の目印の1つは、多粒子境界状態の形成である。 我々は,スピン-1/2 XXZモデルの周期量子回路を実装した高忠実度パラメータ化可能なfSimゲートを開発した。 マイクロ波光子を隣接量子ビット上に配置することにより、これらの励起の伝播を研究し、最大5個の光子の結合特性を観察する。
  論文  参考訳（メタデータ） (2022-06-10T17:52:29Z)
• Neural-Network Quantum States for Periodic Systems in Continuous Space [66.03977113919439]
  我々は、周期性の存在下での強い相互作用を持つシステムのシミュレーションのために、神経量子状態の族を紹介する。 一次元系では、基底状態エネルギーと粒子の放射分布関数を非常に正確に推定する。 二つの次元において基底状態エネルギーの優れた推定値を得るが、これはより伝統的な手法から得られる結果に匹敵する。
  論文  参考訳（メタデータ） (2021-12-22T15:27:30Z)
• Photon-mediated Stroboscopic Quantum Simulation of a $\mathbb{Z}_{2}$ Lattice Gauge Theory [58.720142291102135]
  格子ゲージ理論(LGT)の量子シミュレーションは、非摂動粒子と凝縮物質物理学に取り組むことを目的としている。 現在の課題の1つは、量子シミュレーション装置に自然に含まれない4体(プラケット)相互作用が現れる1+1次元を超えることである。 原子物理学の最先端技術を用いて基底状態の調製とウィルソンループの測定方法を示す。
  論文  参考訳（メタデータ） (2021-07-27T18:10:08Z)
• Scattering of mesons in quantum simulators [0.0]
  コールド原子プラットフォームは、ゲージ理論における非摂動現象の量子シミュレーションを実現するための有望な候補である。 現在の量子シミュレータは線形粒子加速器を模倣することができ、弾性および非弾性中間子衝突のS-行列測定にアクセスできることを示す。
  論文  参考訳（メタデータ） (2020-11-20T19:00:04Z)
• Aspects of quantum information in finite density field theory [0.0]
  量子情報理論の手法を用いて、有限密度での量子場理論の異なる側面を研究する。 単純性のために、非ゼロな化学ポテンシャルを持つ巨大なディラックフェルミオンに焦点を合わせ、1+1$の時空次元で作業する。
  論文  参考訳（メタデータ） (2020-11-02T19:00:26Z)
• Generative Ensemble Regression: Learning Particle Dynamics from Observations of Ensembles with Physics-Informed Deep Generative Models [27.623119767592385]
  本稿では,離散時間とスパース時間で粒子アンサンブルを観測することにより,支配する常微分方程式(SODE)を推定する新しい手法を提案する。 パーティクル座標は、スナップショット毎に記録されるが、スナップショット全体では再生されない。 サンプル経路を生成する物理インフォームド生成モデルを訓練することにより、観測された粒子アンサンブル分布を確率測定空間内の曲線に適合させることを目指す。
  論文  参考訳（メタデータ） (2020-08-05T03:06:40Z)
• Variational Monte Carlo calculations of $\mathbf{A\leq 4}$ nuclei with an artificial neural-network correlator ansatz [62.997667081978825]
  光核の基底状態波動関数をモデル化するためのニューラルネットワーク量子状態アンサッツを導入する。 我々は、Aleq 4$核の結合エネルギーと点核密度を、上位のピオンレス実効場理論から生じるものとして計算する。
  論文  参考訳（メタデータ） (2020-07-28T14:52:28Z)
• Probing eigenstate thermalization in quantum simulators via fluctuation-dissipation relations [77.34726150561087]
  固有状態熱化仮説(ETH)は、閉量子多体系の平衡へのアプローチの普遍的なメカニズムを提供する。 本稿では, ゆらぎ・散逸関係の出現を観測し, 量子シミュレータのフルETHを探索する理論に依存しない経路を提案する。 我々の研究は、量子シミュレータにおける熱化を特徴づける理論に依存しない方法を示し、凝縮物質ポンプ-プローブ実験をシミュレーションする方法を舗装する。
  論文  参考訳（メタデータ） (2020-07-20T18:00:02Z)

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。