User: Guest  Login
Original title:
Machine Learning in String Theory
Translated title:
Maschinelles Lernen in Stringtheorie
Author:
Parr, Erik Thomas
Year:
2020
Document type:
Dissertation
Faculty/School:
Fakultät für Physik
Advisor:
Weiler, Andreas (Prof. Dr.)
Referee:
Weiler, Andreas (Prof. Dr.); Sachs, Ivo (Prof. Dr.)
Language:
en
Subject group:
PHY Physik
TUM classification:
PHY 410d
Abstract:
In this thesis, we investigate the heterotic orbifold landscape under phenomenological considerations. The reason for a non-vanishing cosmological constant in non-supersymmetric heterotic orbifolds is studied. For supersymmetric orbifold compactifications, we apply autoencoder neural networks and contrast mining to significantly improve the search for MSSM-like models. Finally, we show that the phenomenological characteristics of MSSM-like models depend on the specific orbifold compactification.
Translated abstract:
In dieser Arbeit untersuchen wir die heterotische Stringlandschaft unter phänomenologischen Aspekten. Zu Beginn analysieren wir den Grund für eine nicht verschwindende kosmologische Konstante in nicht supersymmetrischen heterotischen Orbifaltigkeiten. Für supersymmetrische Orbifaltigkeit-Kompaktifizierungen werden Autoencoder neuronale Netze und Contrast-Mining angewendet, um die Suche nach MSSM ähnlichen Modellen wesentlich zu verbessern. Abschließend zeigen wir, dass die phänomenologischen Eig...     »
WWW:
https://mediatum.ub.tum.de/?id=1545561
Date of submission:
25.05.2020
Oral examination:
17.09.2020
File size:
4400969 bytes
Pages:
169
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20200917-1545561-1-9
Last change:
30.09.2020
 BibTeX