大统一中的真、美与善：机器学习方法
高能物理 - 唯象学
2024-12-20 v2 机器学习
高能物理 - 理论
摘要
我们利用机器学习技术研究了超对称大统一理论（GUT）模型的味区。最小模型已知预测的费米子质量与自然界观测值不符。解决此问题有两种著名方法：一种涉及引入45表示Higgs场，另一种涉及使用包含24表示GUT Higgs场的高维算符。我们通过数值优化一个定义为质量矩阵行列式之比的损失函数来比较这两种方法。我们的研究结果表明，24-Higgs方法在对原始最小模型进行更小修改的情况下实现了观测到的费米子质量。
引用
@article{arxiv.2411.06718,
title = {Truth, beauty, and goodness in grand unification: a machine learning approach},
author = {Shinsuke Kawai and Nobuchika Okada},
journal= {arXiv preprint arXiv:2411.06718},
year = {2024}
}
备注
8 pages, 4 figures; v2: essentially the published version