面向任意几何异质轨道折叠的自编码器
高能物理 - 理论
2024-01-31 v2
摘要
人工神经网络在改进可容许弦紧致化方案的搜索与刻画方面已变得重要。本文中我们构建了异质轨道折叠编码器(heterotic orbiencoder)，一种用于研究由各类阿贝尔轨道折叠几何产生的异质轨道折叠模型的通用深度自编码器。我们的神经网络可轻松训练，以同时成功编码许多轨道折叠几何的大参数空间，且不受其训练特征统计差异性的影响。特别地，我们展示了我们的自编码器能够以良好精度将两种有前景的轨道折叠几何的大参数空间压缩为仅三个参数。此外，大多数具有现象学吸引特征的轨道折叠模型出现在该小空间的有界区域内。我们的工作暗示了(有前景的)异质轨道折叠模型分类可能的简化。
引用
@article{arxiv.2212.00821,
title = {An autoencoder for heterotic orbifolds with arbitrary geometry},
author = {Enrique Escalante-Notario and Ignacio Portillo-Castillo and Saul Ramos-Sanchez},
journal= {arXiv preprint arXiv:2212.00821},
year = {2024}
}
备注
33 pages + citations, 14 figures, 2 tables. Matches published version