Buchumschlag

Emergent field theories from neural networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Vanchurin, Vitaly
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	High Energy Physics - Theory Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Covariant Gradient Descent
von: Guskov, Dmitry, et al.
Veröffentlicht: (2025)

Differential equation for partition functions and a duality pseudo-forest
von: Vanchurin, Vitaly
Veröffentlicht: (2019)

Symmetry-preserving neural networks in lattice field theories
von: Favoni, Matteo
Veröffentlicht: (2025)

Leveraging neural control variates for enhanced precision in lattice field theory
von: Bedaque, Paulo F., et al.
Veröffentlicht: (2023)

Physics-informed neural networks viewpoint for solving the Dyson-Schwinger equations of quantum electrodynamics
von: Terin, Rodrigo Carmo
Veröffentlicht: (2024)

Viability of perturbative expansion for quantum field theories on neurons
von: Sen, Srimoyee, et al.
Veröffentlicht: (2025)

Aspects of holographic entanglement using physics-informed-neural-networks
von: Deb, Anirudh, et al.
Veröffentlicht: (2025)

Geometric Learning Dynamics
von: Vanchurin, Vitaly
Veröffentlicht: (2025)

AdS/Deep-Learning made easy II: neural network-based approaches to holography and inverse problems
von: Jeong, Hyun-Sik, et al.
Veröffentlicht: (2025)

Quantum-classical simulation of quantum field theory by quantum circuit learning
von: Ikeda, Kazuki
Veröffentlicht: (2023)

Generative adversarial neural networks for simulating neutrino interactions
von: Bonilla, Jose L., et al.
Veröffentlicht: (2025)

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

Deep Learning Calabi-Yau four folds with hybrid and recurrent neural network architectures
von: Dao, H. L.
Veröffentlicht: (2024)

The neural networks with tensor weights and emergent fermionic Wick rules in the large-width limit
von: Huang, Guojun, et al.
Veröffentlicht: (2025)

Spectral functions in Minkowski quantum electrodynamics from neural reconstruction: Benchmarking against dispersive Dyson--Schwinger integral equations
von: Terin, Rodrigo Carmo
Veröffentlicht: (2025)

Molecular Learning Dynamics
von: Gusev, Yaroslav, et al.
Veröffentlicht: (2025)

Fixed point actions from convolutional neural networks
von: Holland, Kieran, et al.
Veröffentlicht: (2023)

Reconstructing conformal field theoretical compositions with Transformers
von: Cao, Haotian, et al.
Veröffentlicht: (2026)

Emergent bulk gauge field in random tensor networks
von: Qi, Xiao-Liang
Veröffentlicht: (2022)

Machine learning a fixed point action for SU(3) gauge theory with a gauge equivariant convolutional neural network
von: Holland, Kieran, et al.
Veröffentlicht: (2024)

Emergent metric from wavelet-transformed quantum field theory
von: Vedl, Šimon, et al.
Veröffentlicht: (2025)

Gauge-covariant stochastic neural fields: Stability and finite-width effects
von: Terin, Rodrigo Carmo
Veröffentlicht: (2025)

Opening the Black Box: predicting the trainability of deep neural networks with reconstruction entropy
von: Thurn, Yanick, et al.
Veröffentlicht: (2024)

Emergent Gribov horizon from replica symmetry breaking in Yang--Mills theories
von: Terin, Rodrigo Carmo
Veröffentlicht: (2026)

Geometric framework for biological evolution
von: Vanchurin, Vitaly
Veröffentlicht: (2026)

Training neural control variates using correlated configurations
von: Oh, Hyunwoo
Veröffentlicht: (2025)

Learning topological defects formation with neural networks in a quantum phase transition
von: Shi, Han-Qing, et al.
Veröffentlicht: (2022)

Re-optimization of a deep neural network model for electron-carbon scattering using new experimental data
von: Kowal, Beata E., et al.
Veröffentlicht: (2025)

Reinforcement learning-based statistical search strategy for an axion model from flavor
von: Nishimura, Satsuki, et al.
Veröffentlicht: (2024)

Estimation of the reduced density matrix and entanglement entropies using autoregressive networks
von: Białas, Piotr, et al.
Veröffentlicht: (2025)

Two Shades of Quark Color: Parallel Canons across the Cold War Divide
von: Pronskikh, Vitaly
Veröffentlicht: (2025)

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

Tagging fully hadronic exotic decays of the vectorlike $\mathbf{B}$ quark using a graph neural network
von: Bardhan, Jai, et al.
Veröffentlicht: (2025)

Physics-informed neural network solves minimal surfaces in curved spacetime
von: Hashimoto, Koji, et al.
Veröffentlicht: (2025)

Conformal Fields from Neural Networks
von: Halverson, James, et al.
Veröffentlicht: (2024)

Theory-informed neural networks for particle physics
von: Dillon, Barry M., et al.
Veröffentlicht: (2025)

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

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

Stochastic normalizing flows for Effective String Theory
von: Caselle, Michele, et al.
Veröffentlicht: (2024)

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