High Energy Physics - Phenomenology,Machine Learning,High Energy Physics - Theory,فیزیک انرژی بالا - پدیدارشناسی , یادگیری ماشین , فیزیک انرژی بالا - تئوری ,
توضیحات
Submitted 16 September, 2024; originally announced September 2024. , Comments: 39 pages, 4 figures , Report number: KYUSHU-HET-296
توضیحات به فارسی
ارائه شده 16 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد ، نظرات: 39 صفحه ، 4 شکل ، شماره گزارش: Kyushu-Het-296
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
We propose a reinforcement learning-based search strategy to explore new physics beyond the Standard Model. The reinforcement learning, which is one of machine learning methods, is a powerful approach to find model parameters with phenomenological constraints. As a concrete example, we focus on a minimal axion model with a global $U(1)$ flavor symmetry. Agents of the learning succeed in finding $U(1)$ charge assignments of quarks and leptons solving the flavor and cosmological puzzles in the Standard Model, and find more than 150 realistic solutions for the quark sector taking renormalization effects into account. For the solutions found by the reinforcement learning-based analysis, we discuss the sensitivity of future experiments for the detection of an axion which is a Nambu-Goldstone boson of the spontaneously broken $U(1)$. We also examine how fast the reinforcement learning-based searching method finds the best discrete parameters in comparison with conventional optimization methods. In conclusion, the efficient parameter search based on the reinforcement learning-based strategy enables us to perform a statistical analysis of the vast parameter space associated with the axion model from flavor.
چکیده به فارسی (ترجمه ماشینی)
ما یک استراتژی جستجوی مبتنی بر یادگیری تقویت را برای کشف فیزیک جدید فراتر از مدل استاندارد پیشنهاد می کنیم.یادگیری تقویت کننده ، که یکی از روشهای یادگیری ماشین است ، یک رویکرد قدرتمند برای یافتن پارامترهای مدل با محدودیت های پدیدارشناختی است.به عنوان یک نمونه بارز ، ما روی یک مدل Axion حداقل با تقارن عطر و طعم جهانی $ U (1) $ تمرکز می کنیم.نمایندگان یادگیری موفق می شوند $ u (1) $ $ شارژ کوارک ها و لپتون ها را برای حل عطر و طعم و معماهای کیهانی در مدل استاندارد پیدا کنند و بیش از 150 راه حل واقع بینانه را برای بخش کوارک که اثرات تجدید ساختار را در نظر گرفته اند ، پیدا کنند.برای راه حل های موجود در تجزیه و تحلیل مبتنی بر یادگیری تقویت ، ما در مورد حساسیت آزمایش های آینده برای تشخیص یک محو که یک بوزون Nambu-Goldstone از $ U (1) $ شکسته است ، بحث می کنیم.ما همچنین بررسی می کنیم که روش جستجوی مبتنی بر یادگیری آرماتور چقدر سریع بهترین پارامترهای گسسته را در مقایسه با روشهای بهینه سازی معمولی پیدا می کند.در نتیجه ، جستجوی پارامتر کارآمد مبتنی بر استراتژی مبتنی بر یادگیری تقویت ، ما را قادر می سازد تا تجزیه و تحلیل آماری از فضای پارامتر گسترده مرتبط با مدل Axion از طعم را انجام دهیم.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
