在4D F理论中学习不可组合的量规组

我们应用机器学习技术来解决4D F理论中的特定分类问题。 对于给定复数三倍底数上的除数D，我们想使用D附近的局部几何信息读出其上的非希格斯规范组。输入特征是D附近的除数之间的三重交点数，输出标签为非 -可伸缩量规组。 我们使用决策树解决了这个问题，并针对不同类别的除数实现了85％-98％的样本外准确度，这些数据集是从复曲面三重基数生成的，没有（4,6）曲线。 我们直接从决策树中显式生成了大量分析规则，并证明了其中的少量分析规则。 作为交叉检查，我们也基于（4,6）曲线将这些决策树应用到系统中，并获得了较高的准确性。 此外，我们还训练了决策树来区分复曲面（4,6）曲线。 最后，我们介绍了这些分析