Numerical analysis of neutrino physics within a high-scale supersymmetry model via machine learning
Numerical analysis of neutrino physics within a high-scale supersymmetry model via machine learning
复制标题
通过机器学习对高尺度超对称模型中的中微子物理进行数值分析
DOI：
10.1142/s0217732320502181
复制
发表时间：
2020-06
影响因子：
1.4
通讯作者：
Zhiqiang Chen
中科院分区：
文献类型：
--
作者：
Ying-Ke Lei;Chun Liu;Zhiqiang Chen
应用机器学习方法对轻子质量矩阵进行数值分析。这些矩阵是在高尺度超对称性和风味对称的框架下得到的，这些矩阵过于复杂而无法解析求解。在本次数值计算中，采用了机器学习中的启发式方法。得到了中微子质量、混合和CP违逆。发现中微子通常是有序的，有利的有效马约拉纳质量约为7×10^{−3}eV。
A machine learning method is applied to analyze lepton mass matrices numerically. The matrices were obtained within a framework of high scale SUSY and a flavor symmetry, which are too complicated to be solved analytically. In this numerical calculation, the heuristic method in machine learning is adopted. Neutrino masses, mixings, and CP violation are obtained. It is found that neutrinos are normally ordered and the favorable effective Majorana mass is about 7×10^{−3} eV.
登录
查看更多内容
DOI：
--
发表时间：
2013
期刊：
--
影响因子：
--
作者：
刘纯;赵振华
通讯作者：
刘纯;赵振华
DOI：
--
发表时间：
2015-08
期刊：
arXiv: Instrumentation and Detectors
影响因子：
--
作者：
T. Adam;F. An;G. An;Q. An;N. Anfimov;V. Antonelli;G. Baccolo;M. Baldoncini;E. Baussan;
通讯作者：
T. Adam;F. An;G. An;Q. An;N. Anfimov;V. Antonelli;G. Baccolo;M. Baldoncini;E. Baussan;
DOI：
10.2172/1264020
发表时间：
2015-12
期刊：
arXiv: Instrumentation and Detectors
影响因子：
--
作者：
Dune Collaboration R.Acciarri;M.A.Acero;M.Adamowski;C.Adams;P.Adamson;S.Adhikari;Z.Ahmad;
通讯作者：
Dune Collaboration R.Acciarri;M.A.Acero;M.Adamowski;C.Adams;P.Adamson;S.Adhikari;Z.Ahmad;
DOI：
--
发表时间：
2019-09
期刊：
arXiv: High Energy Physics - Phenomenology
影响因子：
--
作者：
Yoshiharu Kawamura
通讯作者：
Yoshiharu Kawamura
高尺度超对称模型的中微子现象学
影响因子：
3.1
作者：
Ying-Ke Lei;Chun Liu
通讯作者：
Chun Liu