高能物理 - 理论
[提交于 2023年11月28日
(v1)
,最后修订 2024年5月7日 (此版本, v2)]
标题: 四/五/六维卡拉比-丘流形作为 $\mathbb{P}^n_\textbf{w}$ 超曲面:机器学习、逼近与生成
标题: Calabi-Yau Four/Five/Six-folds as $\mathbb{P}^n_\textbf{w}$ Hypersurfaces: Machine Learning, Approximation, and Generation
摘要: 四维Calabi-Yau流形可以通过在复维度为5的加权射影空间中作为超曲面来构造,这些空间由6个权重定义的权系统确定。 在这项工作中,神经网络被用于从权系统中学习Calabi-Yau的Hodge数,在此过程中,梯度显著性和符号回归启发了Landau-Ginzburg模型公式对于以这种方式构造的任意维Calabi-Yau流形的Hodge数的截断。 该近似总是提供一个紧致的下界,计算速度被证明快得多(计算时间减少了多达四个数量级),并且对于具有大权重的系统给出了非常准确的结果。 此外,还构建了互补的数据集,其中包含满足横截性必要但不充分条件的权系统,包括内部点、反射性和内部分割性质的考虑。 总体而言,生成了这种权系统景观的分类,并通过机器学习方法进一步确认。 利用这一分类的知识和所提出近似的性质,生成了一个由7个权重组成的横截权系统的新数据集,其权重之和为$\leq 200$;从而创建了一个新的Calabi-Yau五维流形数据库,并计算了它们各自的拓扑性质。 此外,还生成了一个候选Calabi-Yau六维流形的等效数据库,并对其Hodge数进行了近似。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.