有大脑的膜:用深度强化学习探索弦真空
高能物理 - 理论
2019-06-26 v1
摘要
我们提出将深度强化学习作为一种无模型方法来探索弦真空的景观。作为一个具体应用,我们利用一种称为异步优势 actor-critic 的人工智能 agent 来探索具有相交D6膜的IIA型紧致化。随着通过改变D6膜构型来探索不同的弦背景构型,agent 接收与弦一致性条件及与标准模型真空接近程度相关的奖励与惩罚。这些反过来被用于更新 agent 的策略与价值神经网络以改善其行为。通过强化学习,agent 在两项任务中的表现均显著提升,且对某些任务其找到的解比随机游走多出一个 O(200) 的因子。在一个案例中,我们展示 agent 学到了一种人类推导的寻找一致弦模型的策略。在另一没有人类推导策略的案例中,agent 学到了一种真正全新的策略,单位时间内实现相同目标的效率翻倍。我们的结果表明,该 agent 学会了同时求解以非线性、耦合丢番图方程表述的各类弦理论一致性条件。
引用
@article{arxiv.1903.11616,
title = {Branes with Brains: Exploring String Vacua with Deep Reinforcement Learning},
author = {James Halverson and Brent Nelson and Fabian Ruehle},
journal= {arXiv preprint arXiv:1903.11616},
year = {2019}
}
备注
57 pages, 10 figures