BPS spectroscopy with reinforcement learning

Federico Carta

doi:10.1016/j.physletb.2025.139646

BPS spectroscopy with reinforcement learning

2025-06-06

0

OA

AI

DOI：10.1016/j.physletb.2025.139646

原文链接

原文求助

摘要

En 中文

我们应用强化学习（RL）来确定在4d N=2量子场论（QFT）的模空间Coulomb分支的给定位置处，BPS谱是否有限。如果是，我们进一步确定模空间该点处的完整BPS谱。我们证明，使用RL模型可以高效地确定适当的BPS拟阵突变序列，以生成完整的BPS谱。我们分析了RL模型在随机BPS拟阵上的性能，并表明其收敛到解的速度比系统性的穷举扫描快几个数量级。结果表明，我们的算法可用于识别给定N=2 QFT的所有最小腔室，而此前计算机扫描无法完成此项任务。作为示例，我们恢复了SU(2) Nf=4规范理论的所有最小腔室，并发现了可通过IIB几何工程实现的理论的新最小腔室。

Keyword:

BPS spectrum

BPS quiver

Quiver mutation

Reinforcement learning

BPS spectroscopy with reinforcement learning

摘要

期刊

机构