暴胀作为信息瓶颈——一种识别普适性类并做出稳健预测的策略

在这项工作中，我们提出了一种统计方法来处理弦理论暴胀模型中的理论不确定性来源。通过将暴胀模型视为概率图，我们表明由于数据处理定理的简单推论，理论的紫外输入与可观测量之间存在不可避免的信息瓶颈。这一信息瓶颈会导致可观测量对底层模型参数的敏感性出现强烈的层级结构，从而至少就某些微观物理考量而言产生普适性预测。我们还发现了其他有趣的行为，例如当某些超参数跨越临界值时预测中的尖锐转变。我们通过改编机器学习中常见的方法，开发了一种研究这些行为的稳健数值方法。我们首先将其应用于随机矩阵理论中著名的普适性、尖锐转变和集中现象的例子来测试我们的方法。然后我们将该方法应用于具有轴子单调性的暴胀。我们发现了相对于若干模型参数的普适性，并且与观测约束的一致性意味着以非常高概率某些微扰修正不可忽略。