深度学习与 AdS/QCD
高能物理 - 理论
2020-07-29 v2 无序系统与神经网络
高能物理 - 唯象学
摘要
我们提出一种深度学习方法，从强子谱数据构建 AdS/QCD 模型。一般 AdS/QCD 模型的一个主要问题在于，用于全息计算 QCD 可观测量体的引力度规具有很大的任意性。我们采用实验测量的 和 介子谱作为训练数据，并执行监督机器学习，具体确定一个 AdS/QCD 模型的体度规与膨胀子构型。我们的深度学习（DL）架构基于 AdS/DL 对应（arXiv:1802.08313），其中深度神经网络被识别为涌现的体时空。
引用
@article{arxiv.2005.02636,
title = {Deep Learning and AdS/QCD},
author = {Tetsuya Akutagawa and Koji Hashimoto and Takayuki Sumimoto},
journal= {arXiv preprint arXiv:2005.02636},
year = {2020}
}
备注
13 pages, 9 figures, v2: Figure display problem resolved, the content unchanged