×

希尔伯特系列,机器学习,物理应用。 (英语) Zbl 1487.81035号

总结:我们描述了简单的机器学习方法如何成功地从希尔伯特级数(HS)预测几何特性。回归函数预测投影空间中嵌入权重的平均绝对误差为(sim 1),而分类器预测维数和Gorenstein指数的准确度为(>90)%,标准误差为(0.5)%。二元随机森林分类器能够区分底层HS是否描述了一个高准确度超过95%的完整交集。神经网络(NN)成功地从Gorenstein环中识别HS,准确度达到了相同的水平,而“假”HS的生成对于NN来说,与所考虑的三维Fano变种相关的HS相比,是微不足道的。

MSC公司:

81页68 量子计算
68T05型 人工智能中的学习和自适应系统
68T07型 人工神经网络与深度学习
16周60 赋值、补全、形式幂级数和相关构造(结合环和代数)
81页73 量子计算和通信处理的计算稳定性和纠错码
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Benvenuti,S。;冯,B。;Hanany,A。;He,Y.-H.,《规范理论中的BPS算符计数:颤动、系统和充盈》,高能物理学杂志。,11,第050条pp.(2007)·兹比尔1245.81264
[2] 冯,B。;Hanany,A。;He,Y.-H.,《计算规范不变量:完整性程序》,《高能物理学杂志》。,3,第090条pp.(2007)
[3] 格雷,J。;他,Y.-H。;Hanany,A。;北卡罗来纳州梅卡雷亚。;Jejjala,V.,《SQCD:几何论文》,高能物理学杂志。,2008年05月09日(2008年5月)
[4] Hanany,A。;北卡罗来纳州梅卡雷亚。;Torri,G.,伴随SQCD的Hilbert级数,Nucl。物理学。B、 825、1-2、52-97(2010)·Zbl 1196.81236号
[5] 陈,Y。;Mekareeya,N.,U/SU SQCD和Toeplitz行列式的Hilbert级数,Nucl。物理学。B、 850、3553-593(2011)·Zbl 1229.81300号
[6] Jokela,N。;Järvinen,M。;Keski-Vakkuri,E.,SQCD Hilbert系列的新结果,J.高能物理学。,3,第048条pp.(2012),前件+30·Zbl 1309.81278号
[7] Benvenuti,S。;Hanany,A。;Mekareeya,N.,《单瞬子模空间的希尔伯特级数》,高能物理学杂志。,6,第100条pp.(2010)·Zbl 1288.81074号
[8] Hanany,A。;北卡罗来纳州梅卡雷亚。;Razamat,S.S.,双瞬子模空间的Hilbert级数,高能物理学杂志。,第1条,第070页(2013年),前文+48·Zbl 1342.81494号
[9] Buchbinder,E.I。;卢卡斯,A。;奥弗鲁特,B.A。;Ruehle,F.,Instantons和Hilbert函数,Phys。D版,102,2,第026019条pp.(2020)
[10] Hanany,A。;詹金斯,E.E。;马诺哈尔,A.V。;Torri,G.,标准模型风味不变量的希尔伯特级数,J.高能物理学。,3,第096条pp.(2011)·Zbl 1301.81345号
[11] 雷曼兄弟。;Martin,A.,通过Hilbert级数方法的标准模型有效场理论的低导数算子,高能物理学杂志。,02, 81 (2016) ·Zbl 1388.81341号
[12] Braun,V.,《弦理论中的计数点和希尔伯特级数》(Strings,Gauge Fields,and the Geometry Behind,2013),《世界科学》。出版物:世界科学。出版物。新泽西州哈肯萨克),225-235
[13] 雷曼兄弟。;Martin,A.,Hilbert构建拉格朗日数列:扩展现象学家的工具箱Phys。D版,91,第105014条,pp.(2015年5月)
[14] 亨宁,B。;卢,X。;Melia,T。;Murayama,H.,希尔伯特级数和有效场论中带导数的算子基,Commun。数学。物理。,347, 2, 363-388 (2016) ·Zbl 1350.81021号
[15] Kobach,A。;Pal,S.,Hilbert级数和NRQED和NRQCD/HQET的算子基础,Phys。莱特。B、 77225-231(2017)·Zbl 1379.81053号
[16] 阿尼莎;达斯·巴克什,S。;查克拉博蒂,J。;Prakash,S.,Hilbert系列和丰富度:为2HDM和MLRSM-EFT铺平道路,J.高能物理学。,9,第035条pp.(2019)
[17] Marinissen,C.B。;Rahn,R。;Waalewijn,W.J.,…,83106786,114382724,1509048322,2343463290,27410087742,…有效理论的有效希尔伯特级数,物理学。莱特。B、 808,第135632条pp.(2020)·Zbl 1473.81248号
[18] 格拉芙,L。;亨宁,B。;卢,X。;Melia,T。;Murayama,H.,2,12,117,1959,45171,1170086,…:QCD手性拉格朗日的希尔伯特级数,高能物理学杂志。,01,第142条pp.(2021)
[19] 他,Y.-H.,《深入了解风景》(2017)
[20] He,Y.-H.,《Calabi-Yau景观:从几何到物理,再到机器学习》(2018)
[21] Davies,A。;Velićković,P。;Buesing,L。;布莱克威尔,S。;郑,D。;托马舍夫,N。;Tanburn,R。;巴特格里亚,P。;布伦德尔,C。;Juhász,A。;Lackenby,M。;威廉姆森,G。;哈萨比斯,D。;Kohli,P.,通过人工智能引导人类直觉来推进数学,《自然》,600,70-74(2021)·Zbl 1505.57001号
[22] 他,Y.-H.,Machine学习弦乐风景,Phys。莱特。B、 774564-568(2017)
[23] Krefl,D。;Seong,R.-K.,《Calabi Yau的机器学习》卷,物理。D版,96,6,第066014条pp.(2017)
[24] Ruehle,F.,《用遗传算法进化神经网络来研究弦景观》,《高能物理学杂志》。,8,第038条,pp.(2017),前文+19·Zbl 1381.83128号
[25] Carifio,J。;Halverson,J。;克里奥科夫,D。;Nelson,B.D.,《字符串环境中的机器学习》,J.高能物理。,9,第157条pp.(2017),前件+35·Zbl 1382.81155号
[26] 布罗迪,C.R。;康斯坦丁,A。;迪恩·R。;Lukas,A.,机器学习线束上同调,Fortschr。物理。,68,1,第1900087条pp.(2020)·Zbl 07758957号
[27] 拉弗斯,M。;Schneider,R.,探索和利用异质线团模型,Fortschr。物理。,第68、5条,第2000034页(2020年)·Zbl 07763964号
[28] 他,Y.-H。;Lee,S.-J.,用人工智能区分椭圆纤维,Phys。莱特。B、 798,第134889条pp.(2019)
[29] 布尔,K。;他,Y.-H。;杰贾拉,V。;Mishra,C.,机器学习CICY三倍,Phys。莱特。B、 785、65-72(2018)
[30] Ashmore,A。;他,Y.-H。;Ovrut,学士,机器学习Calabi-Yau度量,Fortschr。物理。,第68、9条,第2000068页(2020年)·Zbl 07765023号
[31] 他,Y.-H。;Kim,M.,《学习代数结构:初步调查》(2019年)
[32] 亚历山德雷蒂。;巴伦切利,A。;He,Y.-H.,《机器学习与数论:Birch-Swinnerton-Dyer的数据科学》(2019)
[33] 他,Y.-H。;赫斯特,E。;Peterken,T.,《儿童机器学习:通过模块化和Seiberg-Witten曲线的探索》,J.Phys。A、 54,7,第075401条pp.(2021)·Zbl 1519.14058号
[34] 他,Y.-H。;Lee,K.-H。;Oliver,T.,Machine-学习佐藤-泰特猜想(2020)
[35] Bao,J。;弗朗哥,S。;他,Y.-H。;赫斯特,E。;穆西克尔,G。;Xiao,Y.,Quiver突变,Seiberg二元性和机器学习,Phys。D版,102,8,第086013条pp.(2020)
[36] Gal,Y。;杰贾拉,V。;佩纳,D.K.M。;Mishra,C.,《介子重子:机器学习视角》(2020)
[37] 迪恩·R。;他,Y.-H。;李·S·J。;Lukas,A.,机器学习字符串标准模型(2020年)
[38] Halverson,J。;B.纳尔逊。;Ruehle,F.,Branes with brains:探索弦真空与深度强化学习,《高能物理杂志》。,第003条pp.(2019)·Zbl 1416.83125号
[39] Halverson,J。;Long,C.,《弦论和深层生成模型中的统计预测》,Fortschr。物理。,第68、5条,第2000005页(2020年)·Zbl 07763959号
[40] 他,Y.-H。;Yau,S.-T.,图Laplacians,黎曼流形及其机器学习(2020)
[41] 阿尔特诺克,S。;布朗,G。;Reid,M.,Fano 3-折叠,K3曲面和分次环,(拓扑学和几何学:纪念SISTAG)。拓扑学与几何学:庆祝SISTAG,当代数学,第314卷(2002年),Amer。数学。Soc.:美国。数学。佛罗里达州普罗维登斯Soc.Providence),25-53·Zbl 1047.14026号
[42] 布朗,G。;Kasprzyk,A.M.,Fano三重函数的Kawamata有界性和分级环数据库(2022)
[43] 布朗,G。;Kasprzyk,A.M.,分级环数据库,在线
[44] 布朗,G。;Kasprzyk,A.M.,《Fano三重数据库》(2022年),Zenodo
[45] Harris,J.,《代数几何》。第一门课程,1992年原版修正再版,数学研究生教材,第133卷(1995),Springer-Verlag:Springer-Verlag纽约·Zbl 0779.14001号
[46] Dolgachev,I.,加权投影变种,(群作用和向量场。群作用和向量场,不列颠哥伦比亚省温哥华市,1981年。组操作和向量字段。《群体行动与向量场》,不列颠哥伦比亚省温哥华市,1981年,数学课堂讲稿。,第956卷(1982年),《施普林格:柏林施普林格》,第34-71页·Zbl 0516.14014号
[47] 阿提亚,M.F。;Macdonald,I.G.,《交换代数导论》(1969),Addison-Wesley Publishing Co.:Addison-Whesley Publishing Co.Reading,Mass.,London,Don Mills,Ont·Zbl 0175.03601号
[48] Stanley,R.P.,分级代数的希尔伯特函数,高等数学。,28, 57-83 (1978) ·Zbl 0384.13012号
[49] 布氏杆菌,F。;Derendinger,J.P。;费拉拉,S。;Savoy,C.A.,超对称规范理论中的对称破缺模式,物理学。莱特。B、 115、5、375-379(1982)
[50] Luty,医学硕士。;泰勒,W.,经典超对称规范理论中的真空变化,物理学。D版(3),53,6,3399-3405(1996)
[51] 梅塔,D。;他,Y.-H。;Hauenstein,J.D.,《数值代数几何:规范和弦理论的新视角》,J.高能物理学。,7,第018条pp.(2012),前件+31·兹比尔1397.81271
[52] Hanany,A。;北卡罗来纳州梅卡雷亚。;Razamat,S.S.,双瞬子模空间的Hilbert级数,高能物理学杂志。,第1条,第070页(2013年),前文+48·Zbl 1342.81494号
[53] Cremonesi,S。;Hanany,A。;Zaffaroni,A.,单极算子和三维(mathcal{N}=4)规范理论库仑分支的Hilbert级数,高能物理学杂志。,5 (2014)
[54] Cremonesi,S。;Hanany,A。;北Mekareeya。;Zaffaroni,A.,库仑分支希尔伯特级数和Hall-Littlewood多项式,高能物理学杂志。,178 (2014)
[55] 他,Y.-H。;杰贾拉,V。;马蒂,C。;Nelson,B.D.,Veronese几何与电弱真空模量空间,Phys。莱特。B、 73620-25(2014)·Zbl 1317.81263号
[56] 萧,Y。;他,Y.-H。;Matti,C.,标准模型容积,Phys。D版,100,第076001条,第页(2019年10月)
[57] Abadi,M.,TensorFlow:异构系统上的大规模机器学习(2015),在线
[58] 巴克利,A。;里德,M。;Zhou,S.,冰淇淋和orbifold Riemann-Roch,Izv。罗斯。阿卡德。Nauk Ser.(诺克爵士)。材料,77,3,29-54(2013)·Zbl 1273.14023号
[59] 哈斯蒂,T。;Tibshirani,R。;Friedman,J.,《统计学习的要素》。数据挖掘、推断和预测,《统计学中的斯普林格系列》(2009),斯普林格出版社:纽约斯普林格·Zbl 1273.62005年
[60] Kingma,D.P。;Ba,J.,Adam:随机优化方法(2014)
[61] 坎德拉斯,P。;Dale,A.M。;吕特肯,C.A。;Schimmrigk,R.,完全交叉Calabi-Yau歧管,Nucl。物理学。B、 298、3493、525(1988)
[62] 安德森,L.B。;他,Y.-H。;Lukas,A.,《异质压缩,一种算法方法》,J.高能物理学。,7,第049条pp.(2007)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。