Exploring the flavor structure of quarks and leptons with reinforcement learning

要約

タイトル：強化学習を用いたクォークとレプトンの味の構造の探索

要約：
– 強化学習を用いたクォークとレプトンの味の構造の探索方法を提案する。
– 具体的には、$U(1)$ 味の対称性を持つモデルに対して方針ベースのアルゴリズムを利用する。
– クォークやレプトンの $U(1)$ 電荷に対してニューラルネットワークを訓練することで、エージェントは実験的に測定されたクォークとレプトンの質量や混合角度に一致する21つのモデルを見つける。
– 特に、正順序の固有値は反順序よりも大きくなり、現在の実験データによく一致するため、正順序が反順序よりも適合しやすい傾向がある。
– エージェントの自律的な行動によって、中性子レス二重 $\beta$ 崩壊に対する効果的な質量や、フラボン場の角度成分によって誘起される大きなレプトン的 CP 対称性の予測がされる。

要約(オリジナル)

We propose a method to explore the flavor structure of quarks and leptons with reinforcement learning. As a concrete model, we utilize a basic policy-based algorithm for models with $U(1)$ flavor symmetry. By training neural networks on the $U(1)$ charges of quarks and leptons, the agent finds 21 models to be consistent with experimentally measured masses and mixing angles of quarks and leptons. In particular, an intrinsic value of normal ordering tends to be larger than that of inverted ordering, and the normal ordering is well fitted with the current experimental data in contrast to the inverted ordering. A specific value of effective mass for the neutrinoless double beta decay and a sizable leptonic CP violation induced by an angular component of flavon field are predicted by autonomous behavior of the agent.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI