:: Library Catalog

Copertina

Salvato in:

Dettagli Bibliografici
Autori principali:	Niarchos, V., Papageorgakis, C.
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	High Energy Physics - Theory Machine Learning
Accesso online:	https://arxiv.org/abs/2404.14551
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Neural Networks, Dispersion Relations and the Thermal Bootstrap
di: Niarchos, Vasilis, et al.
Pubblicazione: (2026)

FeynTune: Large Language Models for High-Energy Theory
di: Richmond, Paul, et al.
Pubblicazione: (2025)

Deep Finite Temperature Bootstrap
di: Niarchos, V., et al.
Pubblicazione: (2025)

Type-B Anomaly Matching and the 6D (2,0) Theory
di: Niarchos, Vasilis, et al.
Pubblicazione: (2019)

(Mis-)Matching Type-B Anomalies on the Higgs Branch
di: Niarchos, Vasilis, et al.
Pubblicazione: (2020)

Covariantly Constant Anomalies on Conformal Manifolds
di: Andriolo, Enrico, et al.
Pubblicazione: (2022)

Efficient Conformal Block Evaluation with GoBlocks
di: Chryssanthacopoulos, James, et al.
Pubblicazione: (2026)

When Does Critique Improve AI-Assisted Theoretical Physics? SCALAR: Structured Critic--Actor Loop for Agentic Reasoning
di: Niarchos, Vasilis, et al.
Pubblicazione: (2026)

Neural Spectral Bias and Conformal Correlators I: Introduction and Applications
di: Ghosh, Kausik, et al.
Pubblicazione: (2026)

Neural Networks Reveal a Universal Bias in Conformal Correlators
di: Ghosh, Kausik, et al.
Pubblicazione: (2026)

Neural Network Learning and Quantum Gravity
di: Lanza, Stefano
Pubblicazione: (2024)

Scattering, Absorption and Emission of Highly Excited Strings
di: Firrotta, Maurizio, et al.
Pubblicazione: (2024)

Matrix-free Neural Preconditioner for the Dirac Operator in Lattice Gauge Theory
di: Sun, Yixuan, et al.
Pubblicazione: (2025)

Rediscovery of Numerical Lüscher's Formula from the Neural Network
di: Lu, Yu, et al.
Pubblicazione: (2022)

Conformal Fields from Neural Networks
di: Halverson, James, et al.
Pubblicazione: (2024)

Criticality and Saturation in Orthogonal Neural Networks
di: Guillen, Max, et al.
Pubblicazione: (2026)

Learning the Simplicity of Scattering Amplitudes
di: Cheung, Clifford, et al.
Pubblicazione: (2024)

A new Uncertainty Principle in Machine Learning
di: Dolotin, V., et al.
Pubblicazione: (2026)

Conformal Defects in Neural Network Field Theories
di: Capuozzo, Pietro, et al.
Pubblicazione: (2025)

Virasoro Symmetry in Neural Network Field Theories
di: Robinson, Brandon
Pubblicazione: (2025)

Fermions and Supersymmetry in Neural Network Field Theories
di: Frank, Samuel, et al.
Pubblicazione: (2025)

TASI Lectures on Physics for Machine Learning
di: Halverson, Jim
Pubblicazione: (2024)

Learning to Unscramble Feynman Loop Integrals with SAILIR
di: Shih, David
Pubblicazione: (2026)

Feature Learning and Generalization in Deep Networks with Orthogonal Weights
di: Day, Hannah, et al.
Pubblicazione: (2023)

A Perspective on Symbolic Machine Learning in Physical Sciences
di: Makke, Nour, et al.
Pubblicazione: (2025)

Detecting Homeomorphic 3-manifolds via Graph Neural Networks
di: Lawrie, Craig, et al.
Pubblicazione: (2024)

Finite-Width Neural Tangent Kernels from Feynman Diagrams
di: Guillen, Max, et al.
Pubblicazione: (2025)

Refining Integration-by-Parts Reduction of Feynman Integrals with Machine Learning
di: von Hippel, Matt, et al.
Pubblicazione: (2025)

Learning the S-matrix from data: Rediscovering gravity from gauge theory via symbolic regression
di: Moynihan, Nathan
Pubblicazione: (2026)

Lecture Notes on Normalizing Flows for Lattice Quantum Field Theories
di: Cheng, Miranda C. N., et al.
Pubblicazione: (2025)

Machine Learning Neutrino-Nucleus Cross Sections
di: Hackett, Daniel C., et al.
Pubblicazione: (2024)

Uncertainty Quantification From Scaling Laws in Deep Neural Networks
di: Elsharkawy, Ibrahim, et al.
Pubblicazione: (2025)

Navigation through Non-Compact Symmetric Spaces: a mathematical perspective on Cartan Neural Networks
di: Fré, Pietro Giuseppe, et al.
Pubblicazione: (2025)

The Splendors and Miseries of Heavisidisation
di: Dolotin, V., et al.
Pubblicazione: (2022)

Machine Learning Toric Duality in Brane Tilings
di: Capuozzo, Pietro, et al.
Pubblicazione: (2024)

Learning the Inverse Ryu--Takayanagi Formula with Transformers
di: Kim, Sejin
Pubblicazione: (2025)

Machine Learning the 6d Supergravity Landscape
di: Brady, Nathan, et al.
Pubblicazione: (2025)

MultiSTOP: Solving Functional Equations with Reinforcement Learning
di: Trenta, Alessandro, et al.
Pubblicazione: (2024)

Rigor with Machine Learning from Field Theory to the Poincaré Conjecture
di: Gukov, Sergei, et al.
Pubblicazione: (2024)

Quantum Mechanics and Neural Networks
di: Ferko, Christian, et al.
Pubblicazione: (2025)