机器学习预测幺正性和有界性约束
高能物理 - 唯象学
2024-01-18 v1
摘要
采用机器学习（ML）技术预测多标量模型中的幺正性（UNI）和从下方有界（BFB）约束。通过将其应用于二重和三重希格斯二重态模型以及左右模型，展示了该方法的有效性。通过采用合适的神经网络架构、学习算法和精心策划的训练数据集，实现了显著高的预测能力。机器学习相比其他数值方法（如标量势最小化）具有计算更快的明显优势。本研究调查了利用机器学习技术作为预测这些约束的替代方法的可行性，为传统数值计算提供了潜在的改进。
引用
@article{arxiv.2401.09130,
title = {Machine Learning for Prediction of Unitarity and Bounded from Below Constraints},
author = {Darius Jurčiukonis},
journal= {arXiv preprint arXiv:2401.09130},
year = {2024}
}
备注
4 pages, 2 figures, to be published in the Proceedings of EPS-HEP2023: The European Physical Society Conference on High Energy Physics, 21-25 August, 2023, Hamburg, Germany