沙中世界:压缩弦真空简并
高能物理 - 理论
2022-01-02 v1 高能物理 - 唯象学
代数几何
摘要
我们提出了一种针对弦景观真空简并问题的新方法,通过寻找紧致化方案间的高效相似性度量。以约一百万个Calabi-Yau流形作为具体实例,少样本机器学习与连体神经网络(Siamese Neural Networks)范式将它们表示为R(3)中的点,其中两个流形间的相似性得分为其R(3)代表间的欧氏距离。利用这些方法,我们仅以数百个数据点训练,便能将对极罕见流形的搜索空间压缩至原始数据的百分之一以内。我们还展示了如何应用这些方法刻画真空代表的“典型性”。
引用
@article{arxiv.2111.04761,
title = {The World in a Grain of Sand: Condensing the String Vacuum Degeneracy},
author = {Yang-Hui He and Shailesh Lal and M. Zaid Zaz},
journal= {arXiv preprint arXiv:2111.04761},
year = {2022}
}
备注
12 pages, 15 figures, 3 tables