研究人员开发了一种使用Transformer重构二维有理共形场理论（RCFT）张量积组成的方法。这项组合上具有挑战性的任务涉及根据低能谱识别组成理论。基于Transformer的方法在从Wess-Zumino-Witten模型中恢复组成部分时达到了98%的准确率，并且通过极少的域外样本就泛化到了更大的中心荷和未见的RCFT类别。这项工作表明Transformer可以作为AdS/CFT中体态重构的宝贵工具。 AI
影响 展示了Transformer在超越传统NLP的复杂科学重构任务中的潜力。
排序理由 学术论文，详细介绍了Transformer在物理问题中的新颖应用。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
