Learning the Inverse Ryu–Takayanagi Formula with Transformers
Sejin Kim
我们使用数据驱动的生成模型研究 AdS_3 中全息纠缠熵的反向问题。 训练数据由随机生成的几何形状及其全息纠缠熏熏组成,使用Ryu-Takayanagi公式。 经过训练后,变形金刚从以前看不见的输入中重建了我们度量 ansatz 中的变黑函数。 变形金刚在光滑的黑洞几何形状上实现了准确的重建,并推断为无界背景。 我们描述了架构和数据生成过程,我们量化了 f(z) 和重建的 S(l) 的准确性。 代码和评估脚本可在提供的存储库中提供。
We study the inverse problem of holographic entanglement entropy in AdS_3 using a data-driven generative model. Training data consist of randomly generated geometries and their holographic entanglement entropies using the Ryu–Takayanagi formula. After training, the Transformer reconstructs the blackening function within our metric ansatz from previously unseen inputs. The Transformer achieves accurate reconstructions on smooth black hole geometries and extrapolates to horizonless backgrounds. We...