文中介绍了应用遗传算法在 Calabi-Yau 三倍体上搜寻超弦理论的紧致化形式，能够解决系统性搜索无法完成的问题，并且在小数量的 Kahler 参数的情况下，遗传算法能够找到几乎所有可行的解决方案。
Jun, 2023
用神经网络学习可以发现低能量有效场论的新性质，并可解决多种学习问题，包括插值和多类别分类问题，产生高准确性的结果。
Mar, 2024
本文使用一个简单的奇点上的 D3-brane 模型来重现标准模型，并探讨了其现象学特征，发现弦理论的物理尺度应该在多 TeV 范围内，同时在费米子谱中存在自然层次结构和许多实验特征。
May, 2001
在 E_8 x E_8 异型超弦在 Calabi-Yau 三向上的 SU (4) 规范瞬子条件下，我们展示了简单的、实际的、符合低能粒子物理学的 N=1 超对称真空的存在。
Jan, 2005
理论物理学家使用机器学习技术提出损失函数，通过最小化这些函数来建立美观且真实的理论模型，以描述自然现象。
Jan, 2024
本文介绍了一个新的杂化标准模型，其具有最小超对称标准模型（MSSM）完全的频谱，没有外来物质。可以从根据 Z_2 基本群的 Calabi-Yau 三倍体上紧致化的杂化弦中获得我们的模型，与一个不变的 SU (5) 捆绑在一起。获得的频谱包括标准模型的三代，加上 0、1 或 2 个 Higgs 双重配对。特别地，我们得到一个通过杂化弦真空（即一个稳定的捆绑）紧致化的第一个精确的 MSSM，其中只有一对 Higgs。
Dec, 2005
利用粒子物理过程结构从 Monte-Carlo 模拟中提取额外信息，用于训练神经网络模型估计可能性比率，进而放宽对有效场论的限制，提高精度。
Apr, 2018
人工智能的代码生成语言模型在量子物理实验领域发现了新的设计规则，为机器辅助科学理解提供了重要的工具。
Jun, 2024
本文为 AI4Science 领域中的一个子领域 —— 量子、原子和连续系统的 AI 提供了技术上的全面介绍，重点在于探讨诸如如何采用深度学习方法捕捉自然系统物理第一性原理、特别是对称性等挑战。
Jul, 2023
通过理论模型的建立，我们可以更好地理解大型神经网络和人工智能等领域的现象和行为，依此探讨人工智能理论中的八大挑战。