提升 CICY 高度

Kieran Bull; Yang-Hui He; Vishnu Jejjala; Challenger Mishra

doi:10.1016/j.physletb.2019.06.067

提升 CICY 高度

高能物理 - 理论 2019-07-10 v1

作者: Kieran Bull , Yang-Hui He , Vishnu Jejjala , Challenger Mishra

在 arXiv 上查看 ↗ PDF ↗ DOI ↗

摘要

监督式机器学习可用于预测具有先前未知特征的弦几何的性质。使用完全交叠 Calabi-Yau（CICY）三重族数据集作为此项研究的理论实验室，我们利用低 $h^{1,1}$ 几何进行训练，并在大 $h^{1,1}$ 几何上验证。神经网络与支持向量机成功预测了 CICY 三重族 K"ahler 参数数量的趋势。机器学习的数值精度在训练集中加入少量较高 $h^{1,1}$ 样本后得以提升。

关键词

监督式机器学习弦几何 CICY 三重族 K"ahler 参数神经网络支持向量机 Calabi-Yau

引用

@article{arxiv.1903.03113,
  title  = {Getting CICY High},
  author = {Kieran Bull and Yang-Hui He and Vishnu Jejjala and Challenger Mishra},
  journal= {arXiv preprint arXiv:1903.03113},
  year   = {2019}
}

备注

18 pages, 3 figures

提升 CICY 高度

摘要

关键词

引用

备注

相关论文