| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Machine learning and algebraic approaches towards complete matter spectra in 4d F-theory
Avtorji:ID Bies, Martin (Avtor)
ID Cvetič, Mirjam (Avtor)
ID Donagi, Ron (Avtor)
ID Lin, Ling (Avtor)
ID Liu, Mingqiang (Avtor)
ID Ruehle, Fabian (Avtor)
Datoteke:.pdf Machine_learning_and_algebraic_approaches_Bies_2021.pdf (889,92 KB)
MD5: C0392E1977496A9B0ED613E22B91DC57
 
URL https://doi.org/10.1007/JHEP01(2021)196
 
Jezik:Angleški jezik
Vrsta gradiva:Znanstveno delo
Tipologija:1.01 - Izvirni znanstveni članek
Organizacija:UM - Univerza v Mariboru
Opis:Motivated by engineering vector-like (Higgs) pairs in the spectrum of 4d Ftheory compactifications, we combine machine learning and algebraic geometry techniques to analyze line bundle cohomologies on families of holomorphic curves. To quantify jumps of these cohomologies, we first generate 1.8 million pairs of line bundles and curves embedded in dP3, for which we compute the cohomologies. A white-box machine learning approach trained on this data provides intuition for jumps due to curve splittings, which we use to construct additional vector-like Higgs-pairs in an F-Theory toy model. We also find that, in order to explain quantitatively the full dataset, further tools from algebraic geometry, in particular Brill-Noether theory, are required. Using these ingredients, we introduce a diagrammatic way to express cohomology jumps across the parameter space of each family of matter curves, which reflects a stratification of the F-theory complex structure moduli space in terms of the vector-like spectrum. Furthermore, these insights provide an algorithmically efficient way to estimate the possible cohomology dimensions across the entire parameter space.
Ključne besede:Differential Geometry, Algebraic Geometry, F-Theory, Flux Compactifications, Field Theories, Higher Dimensions
Status publikacije:Objavljeno
Verzija publikacije:Objavljena publikacija
Poslano v recenzijo:07.10.2020
Datum sprejetja članka:14.12.2020
Datum objave:28.01.2021
Založnik:SISSA
Leto izida:2021
Št. strani:71 str.
Številčenje:Št. 1, št. članka 196
PID:20.500.12556/DKUM-86150 Novo okno
UDK:517.5
COBISS.SI-ID:56548099 Novo okno
DOI:10.1007/JHEP01(2021)196 Novo okno
ISSN pri članku:1029-8479
Datum objave v DKUM:13.10.2023
Število ogledov:315
Število prenosov:26
Metapodatki:XML DC-XML DC-RDF
Področja:Ostalo
:
BIES, Martin, CVETIČ, Mirjam, DONAGI, Ron, LIN, Ling, LIU, Mingqiang in RUEHLE, Fabian, 2021, Machine learning and algebraic approaches towards complete matter spectra in 4d F-theory. The journal of high energy physics [na spletu]. 2021. Vol. Št. 1,  članka 196. [Dostopano 6 april 2025]. DOI 10.1007/JHEP01(2021)196. Pridobljeno s: https://dk.um.si/IzpisGradiva.php?lang=slv&id=86150
Kopiraj citat
  
Skupna ocena:
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share


Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Gradivo je del revije

Naslov:The journal of high energy physics
Skrajšan naslov:J. high energy phys.
Založnik:SISSA
ISSN:1029-8479
COBISS.SI-ID:1314148 Novo okno

Licence

Licenca:CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by/4.0/deed.sl
Opis:To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.
Začetek licenciranja:28.01.2021

Sekundarni jezik

Jezik:Slovenski jezik
Naslov:Strojno učenje in algebrični pristopi k izvedenim spektrom snovi v 4d F-teoriji
Ključne besede:Diferencialna geometrija, algebraična geometrija, teorija F, kompaktifikacija pretoka, teorije polja, višje dimenzije


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici