|
|
Семинар И. Я. Арефьевой "Перспективные направления в квантовой теории поля и суперструнах"
8 ноября 2025 г. 16:00, г. Москва, МИАН, комн. 303 (ул. Губкина, 8)
|
 |
|
 |
|
|
|
Использование машинного обучения в голографической хромодинамике. Продолжение
|
|
Аннотация:
Обсуждались наиболее перспективные направления исследований
голографического подхода в хромодинамике. В частности, различные аспекты использования нейросетей (машинного обучения) для фиксирования исходных параметров голографической хромодинамики на основе экспериментальных данных.
Храмцов Михаил Александрович рассказал о работах о применении машинного обучения (deep learning) в голографическом подходе на основе работ:
1)
K. Hashimoto, S. Sugishita, A. Tanaka and A. Tomiya,
“Deep learning and the AdS/CFT correspondence,”
Phys. Rev. D 98 (2018) no.4, 046019
[arXiv:1802.08313 [hep-th]].
2) K. Hashimoto, S. Sugishita, A. Tanaka and A. Tomiya,
“Deep Learning and Holographic QCD,”
Phys. Rev. D 98 (2018) no.10, 106014
doi:10.1103/PhysRevD.98.106014
[arXiv:1809.10536 [hep-th]].
3)
T. Akutagawa, K. Hashimoto and T. Sumimoto,
“Deep Learning and AdS/QCD,”
Phys. Rev. D 102 (2020) no.2, 026020
[arXiv:2005.02636 [hep-th]].
4) X. Chen and M. Huang,
“Flavor dependent critical endpoint from holographic QCD through machine learning,”
JHEP 02 (2025), 123
[arXiv:2405.06179 [hep-ph]].
|
|
Обратная связь: