将机器学习应用于具有弦真空的卡拉比-丘定向折叠

我们使用机器学习技术搜索可产生定向折叠卡拉比-丘超曲面及“朴素 IIB 型弦真空”的多面体。我们表明，基于新生成的 $h^{1,1}(X) \leq 6$ 定向折叠卡拉比-丘数据库（arXiv:2111.03078），神经网络可被训练以高精度分类定向折叠性质与真空。这表明定向折叠对称性可能已编码于多面体结构中。最后，我们尝试使用训练好的神经网络模型超越该数据库，预测更高 $h^{1,1}(X)$ 多面体的定向折叠信号。