利用强化学习揭示现象学可行通量真空中的系统性规律
高能物理 - 理论
2021-07-12 v1 计算物理
摘要
现象学可行的弦真空之结构背后的组织原则，可通过对此类真空进行采样来探究。在许多情况下，由于标准采样方法在高维模型空间中计算代价高昂，这一做法难以实现。本文展示如何借助强化学习技术探索弦通量真空以缓解该问题。我们以IIB型通量景观为例证明，相较于Metropolis采样或随机采样，利用强化学习可显著更快地采样出对超势期望值与弦耦合具有特定要求的真空。我们的分析基于锥点(conifold)与对称环面背景几何。我们表明强化学习能够运用成功策略来识别此类现象学上有趣的真空。这些策略是可解释的，并揭示了通量景观中此前未知的相关性。
引用
@article{arxiv.2107.04039,
title = {Revealing systematics in phenomenologically viable flux vacua with reinforcement learning},
author = {Sven Krippendorf and Rene Kroepsch and Marc Syvaeri},
journal= {arXiv preprint arXiv:2107.04039},
year = {2021}
}
备注
30 pages, 12 figures, 2 tables