Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS

Machine Learning for String Field Theory and for the String- and F-Theory landscapes

Descrizione del progetto

L’intelligenza artificiale potrebbe aiutare a ridurre la complessità computazionale della teoria delle stringhe

La teoria delle stringhe è una delle più promettenti e controverse idee della fisica moderna, che cerca di unificare la gravità quantistica e tutte le diverse forze, particelle e interazioni nella stessa struttura. Le dimensioni extra teoriche che la teoria propone sono difficili da visualizzare ed esistono molti modi possibili in cui queste varie geometrie potrebbero essere ripiegate su se stesse. La teoria dei campi di stringhe è l’approccio più recente per descrivere la teoria delle stringhe. Il progetto ML4SFT, finanziato dall’UE, sfrutterà il potenziale dell’intelligenza artificiale per aiutare gli scienziati a superare gli ostacoli computazionali nella teoria delle stringhe. In particolare, elaborerà strumenti per costruire l’azione della teoria del campo delle stringhe, migliorando al contempo la comprensione della teoria del campo delle stringhe chiuse.

Obiettivo

"String theory is one of the leading endeavours in theoretical physics to construct a theory of quantum gravity unified with all interactions and matter. As such, it provides a complete description of the Universe and of its content. However, while all ingredients are present, the details for a precise contact with the Standard Model and with our Universe are missing, mostly because the number of possible realizations is huge and no selection mechanism is known. Moreover, progress is further hindered, for the description of string theory as a field theory - arguably its most fundamental formulation - is very intricate. Since the most immediate difficulties are computational - it boils down to studying statistics of geometries (the ""string landscape"") and to approximating functions and geometries (to build a string field theory) - machine learning seems to provide an adequate framework to address the challenges faced by string theory.
The first aspect of this project is to elaborate machine learning tools for constructing the string field theory action while deepening in parallel our analytic understanding of closed string field theory. For the latter, the main objective is to include auxiliary fields and to investigate whether the action can be made cubic. The second aspect is to design machine learning algorithms to map the string landscape.
This project holds the promise of important developments in our understanding of string theory and in its applications to phenomenology. It is located at the intersection of multiple disciplines - theoretical physics, mathematics (Riemann surfaces and homotopy algebras) and machine learning. The choice of institutions and supervisors reflect this interdisciplinary aspect: Prof. Zwiebach is an expert in string (field) theory and in the moduli space geometry, while Dr. Tamaazousti is a specialist of machine learning. Furthermore, both institutions are renowned in these domains."

Campo scientifico (EuroSciVoc)

CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: Il Vocabolario Scientifico Europeo.

È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione

Parole chiave

Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).

Programma(i)

Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.

Argomento(i)

Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.

Meccanismo di finanziamento

Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.

MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.

(si apre in una nuova finestra) H2020-MSCA-IF-2019

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

COMMISSARIAT A L ENERGIE ATOMIQUE ET AUX ENERGIES ALTERNATIVES
Contributo netto dell'UE

Contributo finanziario netto dell’UE. La somma di denaro che il partecipante riceve, decurtata dal contributo dell’UE alla terza parte collegata. Tiene conto della distribuzione del contributo finanziario dell’UE tra i beneficiari diretti del progetto e altri tipi di partecipanti, come i partecipanti terzi.

€ 275 619,84
Indirizzo
RUE LEBLANC 25
75015 PARIS 15
Francia

Mostra sulla mappa

Regione
Ile-de-France Ile-de-France Paris
Tipo di attività
Research Organisations
Collegamenti
Costo totale

I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.

€ 275 619,84

Partner (1)

Il mio fascicolo 0 0