机器学习弦乐风景

我们提出了一种范式来应用机器学习各种在字符串环境研究中出现的数据库。 特别是，我们将神经网络既作为分类器又作为预测器，并使用从Calabi–Yau流形和向量束到量规理论的颤动表示的大量可用数据进行训练，并使用一种新颖的框架以像素化方式重铸几何和物理数据 图片。 我们发现，即使是相对简单的神经网络，也可以在几分钟之内学会许多惊人的精度，并且可以预测迄今为止从未遇到的结果，从而使该范例成为物理学和纯数学领域的宝贵工具。