ترجمه فارسی مقاله یادگیری سادگی دامنه‌های پراکندگی

چکیده

The simplification and reorganization of complex expressions lies at the core of scientific progress, particularly in theoretical high-energy physics. This work explores the application of machine learning to a particular facet of this challenge: the task of simplifying scattering amplitudes expressed in terms of spinor-helicity variables. We demonstrate that an encoder-decoder transformer architecture achieves impressive simplification capabilities for expressions composed of handfuls of terms. Lengthier expressions are implemented in an additional embedding network, trained using contrastive learning, which isolates subexpressions that are more likely to simplify. The resulting framework is capable of reducing expressions with hundreds of terms – a regular occurrence in quantum field theory calculations – to vastly simpler equivalent expressions. Starting from lengthy input expressions, our networks can generate the Parke-Taylor formula for five-point gluon scattering, as well as new compact expressions for five-point amplitudes involving scalars and gravitons. An interactive demonstration can be found at https://spinorhelicity.streamlit.app .

چکیده به فارسی (ترجمه ماشینی)

ساده سازی و سازماندهی مجدد عبارات پیچیده در هسته پیشرفت علمی ، به ویژه در فیزیک نظری پر انرژی است.این کار به بررسی کاربرد یادگیری ماشین در یک جنبه خاص از این چالش می پردازد: وظیفه ساده سازی دامنه های پراکندگی بیان شده از نظر متغیرهای اسپینور.ما نشان می دهیم که یک معماری ترانسفورماتور رمزگذار رمزگذار به قابلیت های ساده سازی چشمگیر برای عبارات متشکل از تعداد انگشت شماری از اصطلاحات دست می یابد.عبارات طولانی تر در یک شبکه تعبیه شده اضافی اجرا می شوند ، که با استفاده از یادگیری متضاد آموزش دیده می شوند ، که زیرگروه هایی را که به احتمال زیاد ساده تر می شوند ، جدا می کنند.چارچوب حاصل قادر به کاهش عبارات با صدها اصطلاح – یک وقوع منظم در محاسبات تئوری میدان کوانتومی – به عبارات معادل بسیار ساده تر است.با شروع از عبارات ورودی طولانی ، شبکه های ما می توانند فرمول Parke-Taylor را برای پراکندگی Gluon پنج نقطه ای و همچنین عبارات جمع و جور جدید برای دامنه های پنج نقطه ای که شامل مقیاس ها و گرانش ها هستند ، تولید کنند.یک تظاهرات تعاملی را می توان در https://spinorhelicity.streamlit.app یافت.