論文の概要: Good flavor search in $SU(5)$: a machine learning approach

• arxiv url: http://arxiv.org/abs/2511.08154v1
• Date: Wed, 12 Nov 2025 01:42:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-12 20:17:03.670991
• Title: Good flavor search in $SU(5)$: a machine learning approach
• Title（参考訳）: SU(5)$の良質なフレーバー検索:機械学習のアプローチ
• Authors: Fayez Abu-Ajamieh, Shinsuke Kawai, Nobuchika Okada,
• Abstract要約: 我々は、機械学習技術を用いて、SU(5)$大統一理論のフェルミオン質量問題を再検討する。 Georgi と Glashow が提唱した最初の$SU(5)$モデルは、観測されたフェルミオン質量スペクトルとは相容れない。 自然度を元のGeorgi-Glashow $SU(5)$モデルに近いものと定義し、どの修正がより自然であるかを考察する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We revisit the fermion mass problem of the $SU(5)$ grand unified theory using machine learning techniques. The original $SU(5)$ model proposed by Georgi and Glashow is incompatible with the observed fermion mass spectrum. Two remedies are known to resolve this discrepancy, one is through introducing a new interaction via a 45-dimensional field, and the other via a 24-dimensional field. We investigate which modification is more natural, defining naturalness as proximity to the original Georgi-Glashow $SU(5)$ model. Our analysis shows that, in both supersymmetric and non-supersymmetric scenarios, the model incorporating the interaction with the 24-dimensional field is more natural under this criterion. We then generalise these models by introducing a continuous parameter $y$, which takes the value 3 for the 45-dimensional field and 1.5 for the 24-dimensional field. Numerical optimisation reveals that $y \approx 0.8$ yields the closest match to the original $SU(5)$ model, indicating that this value corresponds to the most natural model according to our definition.
• Abstract（参考訳）: 我々は、機械学習技術を用いて、SU(5)$大統一理論のフェルミオン質量問題を再検討する。 Georgi と Glashow が提唱した最初の$SU(5)$モデルは、観測されたフェルミオン質量スペクトルとは相容れない。 1つは45次元の場を通じて新しい相互作用を導入し、もう1つは24次元の場を通して新しい相互作用を導入することである。 自然度を元のGeorgi-Glashow $SU(5)$モデルに近いものと定義し、どの修正がより自然であるかを考察する。 我々の分析は、超対称性と非超対称性の両方のシナリオにおいて、24次元場との相互作用を組み込んだモデルは、この基準の下でより自然であることが示している。 次に、45次元体の値 3 と24次元体の値 1.5 を取る連続パラメータ $y$ を導入することで、これらのモデルを一般化する。 数値最適化により、$y \approx 0.8$ は元の $SU(5)$ モデルに最も近い一致を示し、この値が定義に従って最も自然なモデルに対応することを示す。

関連論文リスト

• Parameter-free Algorithms for the Stochastically Extended Adversarial Model [59.81852138768642]
  拡張逆数(SEA)モデルの既存のアプローチは、ドメインの直径$D$や損失関数のリプシッツ定数$G$といった問題固有のパラメータの事前知識を必要とする。 パラメータを不要にするためにOptimistic Online Newton Step (OONS) アルゴリズムを利用するパラメータフリー手法を開発した。
  論文  参考訳（メタデータ） (2025-10-06T10:53:37Z)
• Large N vector models in the Hamiltonian framework [0.0]
  まず、クォート相互作用を持つ量子力学系の簡単な設定で提案する。 次に、これらのテクニックを$O(N)$モデルに$2+1$と$3+1$の次元で適用する。 システムの基底状態を決定するギャップ方程式など,様々な既知の結果を復元する。
  論文  参考訳（メタデータ） (2025-02-12T00:18:02Z)
• Truth, beauty, and goodness in grand unification: a machine learning approach [0.0]
  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。
  論文  参考訳（メタデータ） (2024-11-11T05:02:46Z)
• Decoherence and wavefunction deformation of $D_4$ non-Abelian topological order [0.0]
  非アベリアのTOは、かなりリッチであるにもかかわらず、同様の程度に分析・理解できることが示される。 対応する局所統計力学的スピンまたはローターモデルを$D_4$対称性で同定することにより、非アベリア異性体の増加に対する顕著な安定性を見出す。
  論文  参考訳（メタデータ） (2024-09-19T17:56:21Z)
• A call for frugal modelling: two case studies involving molecular spin dynamics [44.1973928137492]
  理論家にとって、これはアルゴリズムを最適化し、計算効率を向上させるだけでなく、モデリングに厳密なアプローチを採用することを含む。 どちらの例でも、計算的に高価なバージョンのモデルが公開された。 コミュニティとして、この方向に改善の余地はたくさんあります。
  論文  参考訳（メタデータ） (2024-01-24T17:46:46Z)
• Some Remarks on the Regularized Hamiltonian for Three Bosons with Contact Interactions [77.34726150561087]
  3次元のゼロレンジ力を介して相互作用する3つのボソン系のモデルハミルトンの性質について論じる。 特に、適当な二次形式 $Q$ から始め、自己随伴およびハミルトンの$mathcal H$ の下から有界となるものを構築することができる。 しきい値 $gamma_c$ が最適であることは、次の2次形式 $Q$ が下から非有界であるという意味では、$gamma_c$ が最適であることを示している。
  論文  参考訳（メタデータ） (2022-07-01T10:01:14Z)
• 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)
• 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)
• Improving Robustness and Generality of NLP Models Using Disentangled Representations [62.08794500431367]
  スーパービジョンニューラルネットワークはまず入力$x$を単一の表現$z$にマップし、次に出力ラベル$y$にマッピングする。 本研究では,非交叉表現学習の観点から,NLPモデルの堅牢性と汎用性を改善する手法を提案する。 提案した基準でトレーニングしたモデルは、広範囲の教師付き学習タスクにおいて、より堅牢性とドメイン適応性を向上することを示す。
  論文  参考訳（メタデータ） (2020-09-21T02:48:46Z)

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。