論文の概要: Gravitational Duals from Equations of State II: Large Hierarchies and False Vacua
- arxiv url: http://arxiv.org/abs/2606.30117v1
- Date: Mon, 29 Jun 2026 10:49:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:16.198383
- Title: Gravitational Duals from Equations of State II: Large Hierarchies and False Vacua
- Title（参考訳）: 状態方程式からの重力双対:大階層と偽真空
- Abstract要約: 強結合量子場理論のためのホログラフィック双対の再構成について検討する。
ゲージ/重力双対性の中で、これらの特徴は非自明な熱力学挙動とエキゾチックな再正規化群の流れに変換される。
この結果はホログラフィーと機械学習の橋渡しを延長し,データ駆動型アプローチが強結合系の構造に新たな洞察をもたらすことを示唆している。
- 参考スコア（独自算出の注目度）: 0.569557910899739
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We investigate the reconstruction of holographic duals for strongly coupled quantum field theories in regimes characterized by large hierarchies and the presence of false vacua. Within the gauge/gravity duality, these features translate into non-trivial thermodynamic behaviour and exotic renormalization group flows, including skipping flows between non-adjacent fixed points. Building on previous work based on Physics-Informed Neural Networks (PINNs), we extend the holographic inverse problem of reconstructing the bulk scalar potential from boundary thermodynamic data into this new regime. This setting presents a variety of conceptual and numerical challenges, such as near-degenerate states, large hierarchies of energy scales, and regions of the potential that are not directly probed by the input data. We develop a set of methodological advances that overcome these obstacles, thereby improving the established PINNs-based methodology and extending it to new physical regimes of interest that were previously out of reach. Applying the developed framework, we demonstrate accurate reconstruction of scalar potentials deep into the false vacuum regime, achieving robust agreement with the physical features of the underlying thermodynamics despite significant numerical stiffness. Our results extend the bridge between holography and machine learning, and suggest that data-driven approaches can provide new insights into the structure of strongly coupled systems.
- Abstract（参考訳）: 本研究では, 強結合量子場理論のためのホログラフィック双対の再構成について検討した。
ゲージ/重力双対性の中では、これらの特徴は非自明な熱力学挙動と非随伴固定点間のスキップフローを含むエキゾチックな再正規化群フローに変換される。
物理インフォームドニューラルネットワーク(PINN)に基づく以前の研究に基づいて、境界熱力学データからバルクスカラーポテンシャルを再構成するホログラフィック逆問題を拡張した。
この設定は、ほぼ退化状態、エネルギースケールの大きな階層、入力データによって直接調査されないポテンシャルの領域など、様々な概念的および数値的な課題を提示する。
そこで我々は,これらの障害を克服し,確立されたPINNの方法論を改良し,これまで手に入らなかった新たな物理的体制に拡張する手法の開発を行った。
提案手法を応用して, 数値剛性に拘わらず, 基礎となる熱力学の物理的特徴に頑健な整合性を達成し, 虚真空状態に深く浸透するスカラーポテンシャルの正確な再構成を実証する。
この結果はホログラフィーと機械学習の橋渡しを延長し,データ駆動型アプローチが強結合系の構造に新たな洞察をもたらすことを示唆している。
関連論文リスト
- Physics-Integrated Operator Learning via Gaussian Splatting Representations [1.40323503250909]
本稿では、離散化された解場と支配演算子の間の連続的なインターフェースとして、フィードフォワードガウススプラッティング表現が機能する物理積分への表現レベルアプローチを提案する。
本研究では, 対流, 拡散, 非線形自己対流のロールアウト, 反応力学を含む2次元および3次元PDEシステムにおけるフレームワークの評価を行った。
論文 参考訳（メタデータ） (2026-08-25T04:18:08Z) - Thermodynamic-Inspired Explainable GeoAI: Uncovering Regime-Dependent Mechanisms in Heterogeneous Spatial Systems [0.49157446832511503]
本稿では,統計力学とグラフニューラルネットワークを統合した熱力学に基づく説明可能な地理空間AIフレームワークを提案する。
提案手法は,標準基準を逸脱する予測器の状況依存的役割逆転をうまく識別するものである。
これらの結果から, 複雑な空間系における予測性能を保ちながら, 熱力学的制約がGeoAIの解釈可能性を向上させることが示唆された。
論文 参考訳（メタデータ） (2026-04-06T01:16:06Z) - Unlocking Out-of-Distribution Generalization in Dynamics through Physics-Guided Augmentation [46.40087254928057]
物理誘導量拡張プラグインのSPARKについて述べる。
多様なベンチマーク実験により、SPARKは最先端のベースラインを大幅に上回っていることが示された。
論文 参考訳（メタデータ） (2025-10-28T09:30:35Z) - Biorthogonal Neural Network Approach to Two-Dimensional Non-Hermitian Systems [5.513161407069216]
非エルミート量子多体系は、豊富な物理現象を示す。
非エルミート皮膚効果と例外点は、既存の数値技術にはほとんどアクセスできない。
論文 参考訳（メタデータ） (2025-08-01T21:02:41Z) - Introduction to Sachdev-Ye-Kitaev Model: A Strongly Correlated System Perspective [0.0]
SYK(Sachdev-Ye-Kitaev)モデルは、エキゾチックな強相関相を解析的に抽出可能なフレームワークを提供する。
このレビューは、SYK物理の教育的な紹介を提供し、テクストレンジ金属をモデル化するユニークな能力を強調している。
マヨラナ変種と複素フェルミオン変種を現代多体物理学の訓練場に変換する。
論文 参考訳（メタデータ） (2025-07-09T18:10:54Z) - SEGNO: Generalizing Equivariant Graph Neural Networks with Physical
Inductive Biases [66.61789780666727]
等変性を維持しながら, 2階連続性をGNNに組み込む方法を示す。
また、SEGNOに関する理論的知見も提供し、隣接する状態間の一意の軌跡を学習できることを強調している。
我々のモデルは最先端のベースラインよりも大幅に改善されている。
論文 参考訳（メタデータ） (2023-08-25T07:15:58Z) - Two dimensional momentum state lattices [0.0]
過去10年間の運動量状態格子(MSL)の発展を基盤として、我々はこの手法の高次元への単純な拡張を紹介した。
MSLは、チューニング可能な障害、ゲージ場、非ハーミティリティ、その他の特徴を持つタイトバインディングモデルの実現を可能にした。
このモデルへの直接的拡張については、高次元における新しい輸送現象や局所化現象の探索を可能にする、障害や非ハーモニティの導入など、多くの論じる。
論文 参考訳（メタデータ） (2023-05-29T09:57:56Z) - End-To-End Latent Variational Diffusion Models for Inverse Problems in
High Energy Physics [61.44793171735013]
本稿では,最先端生成技術アプローチの潜時学習とエンドツーエンドの変分フレームワークを組み合わせた,新しい統合アーキテクチャ,潜時変分モデルを提案する。
我々の統一的アプローチは、非最新技術ベースラインの20倍以上の真理への分布自由距離を達成する。
論文 参考訳（メタデータ） (2023-05-17T17:43:10Z) - Latent Traversals in Generative Models as Potential Flows [113.4232528843775]
我々は,学習された動的ポテンシャルランドスケープを持つ潜在構造をモデル化することを提案する。
物理、最適輸送、神経科学にインスパイアされたこれらの潜在的景観は、物理的に現実的な偏微分方程式として学習される。
本手法は,最先端のベースラインよりも定性的かつ定量的に歪んだ軌跡を実現する。
論文 参考訳（メタデータ） (2023-04-25T15:53:45Z) - Slow semiclassical dynamics of a two-dimensional Hubbard model in
disorder-free potentials [77.34726150561087]
調和およびスピン依存線形ポテンシャルの導入は、fTWAを長期間にわたって十分に検証することを示した。
特に、有限2次元系に着目し、中間線形ポテンシャル強度において、高調波ポテンシャルの追加と傾きのスピン依存が、亜拡散力学をもたらすことを示す。
論文 参考訳（メタデータ） (2022-10-03T16:51:25Z) - Enhancement of quantum correlations and geometric phase for a driven
bipartite quantum system in a structured environment [77.34726150561087]
構造環境下で進化する初期最大絡み合い状態における運転の役割について検討した。
この知識は、散逸動力学の下で量子特性を最もよく保持する物理装置の探索に役立つ。
論文 参考訳（メタデータ） (2021-03-18T21:11:37Z)
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。