研究人员开发了一种新颖的方法来探索二维共形场论（2d CFTs），通过使用受机器学习启发的优化技术来求解模块化自举方程。该方法有效地搜索数值解，通过最小化源自模块不变性的损失函数来识别潜在的初级算符谱。该研究引入了创新，例如用于估计谱截断不确定性的策略，以及一种名为 Sven 的基于奇异值的新优化器，它在导航复杂损失景观方面比梯度下降更有效。该团队成功构建了中心荷在 1 到 8/7 之间的 CFTs 的候选配分函数，该区域以前缺乏已知示例，这表明存在一个连续的模块化自举解空间。 AI
影响 引入了可能适用于其他复杂科学建模问题的新颖优化技术。
排序理由 这是一篇详细介绍探索理论物理概念的新计算方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.4]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
