研究人员开发了一种强化学习(RL)智能体来导航标准模型有效场论(SMEFT)复杂的算符空间。该智能体采用轻量级 Actor-Critic 架构,旨在发现多种高质量的理论假设,以改进对实验数据的全局拟合。在具有 132 个可观测值和 24 个偏离标准模型预测的测量值的挑战性环境中进行测试,RL 策略证明了其构建能够显著增强全局拟合的多算符理论的能力,优于随机搜索方法。 AI
影响 这项研究展示了强化学习在复杂理论物理问题中的新颖应用,有望加速粒子物理学的发现。
排序理由 该集群描述了一篇研究论文,其中详细介绍了一种使用强化学习探索理论物理框架的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →