Deep learning metric detectors in general relativity
Deep learning metric detectors in general relativity
复制标题
广义相对论中的深度学习度量探测器
DOI：
10.1103/physrevd.106.044051
复制
发表时间：
2022
影响因子：
5
通讯作者：
and Yasusada Nambu
中科院分区：
文献类型：
--
作者：
Ryota Katsube;Wai-Hong Tam;Masahiro Hotta;and Yasusada Nambu
我们考虑在弯曲时空中使用测试粒子测地线的度量检测器的深度学习（DL）的概念问题。从一般坐标变换的角度强调了DL度量检测器的优点。如果两个度量（两个时空）的测地图像数据在任何时候都不能被任何DL度量检测器区分，则定义它们通过DL等距连接。当DL等距出现的基本问题进行了广泛的探讨。如果由DL等距连接的两个时空处于量子引力理论的叠加态，则即使在DL度规探测器观测到叠加态之后，测量后态也可能仍然处于相同的叠加态。我们还展示了度量检测DL方法在维反德西特（AdS）时空估计的宇宙常数和布朗-亨诺收费。在thecorrespondence字典，它可以预期，这种度量检测器在AdS体区域对应于量子测量设备在共形场理论在AdS边界。
We consider conceptual issues of deep learning (DL) for metric detectors using test particle geodesics in curved spacetimes. Advantages of DL metric detectors are emphasized from a viewpoint of general coordinate transformations. Two given metrics (two spacetimes) are defined to be connected by a DL isometry if their geodesic image data cannot be discriminated by any DL metric detector at any time. The fundamental question of when the DL isometry appears is extensively explored. If the two spacetimes connected by the DL isometry are in superposition of quantum gravity theory, the postmeasurement state may be still in the same superposition even after DL metric detectors observe the superposed state. We also demonstrate metric-detection DL methods in-dimensional anti–de Sitter (AdS) spacetimes to estimate the cosmological constants and Brown-Henneaux charges. In thecorrespondence dictionary, it may be expected that such metric detectors in the AdS bulk region correspond to quantum measurement devices in the conformal field theory at the AdS boundary.
登录
查看更多内容
关于 Virasoro 轨道相干态的注记
DOI：
--
发表时间：
2018
期刊：
arXiv: High Energy Physics - Theory
影响因子：
--
作者：
V. Nair
通讯作者：
V. Nair
DOI：
10.3389/fphy.2021.655857
发表时间：
2021
期刊：
--
影响因子：
--
作者：
Achim Kempf
通讯作者：
Achim Kempf
影响因子：
5.7
作者：
Wang, Yazhen
通讯作者：
Wang, Yazhen
AdS/CFT 中的数值度量提取
影响因子：
2.8
作者：
J. Hammersley
通讯作者：
J. Hammersley
DOI：
--
发表时间：
2011
期刊：
影响因子：
--
作者：
Sumimoto H;Minakami R;Miyano K
通讯作者：
Miyano K