利用图强化学习构建超标准模型物理模型

我们提供了一个利用强化学习结合新物理理论图表示方法探索超标准模型物理的框架。图结构允许在预先指定新粒子数量的情况下进行模型构建。作为案例研究，我们将该方法应用于一类简单理论，涉及矢量样 leptons 和一个受暗 U(1) 启发的暗门户范式。通过现代策略梯度方法，智能体成功地探索了由连续参数和离散参数组成的模型空间，并识别出一致的理论。所发现的最小模型包括已知的和此前未研究的示例，能够容纳μ子异常磁矩，并满足精密电弱和味型约束。该方法代表了超标准模型自动化模型构建过程的一步进步。