用 TensorFlow 数值研究 M-Theory 与超引力：google-research m_theory 模块完整指南

人工智能深度学习NLP计算机视觉强化学习【免费下载链接】google-researchGoogle Research项目地址https://gitcode.com/gh_mirrors/go/google-research点击查看免费下载导读m_theory/是 Google Research 开源仓库中一个独特的模块它用 TensorFlow 机器学习框架来研究 M-TheoryM 理论、超弦理论、超引力与量子引力中的纯数学问题。本指南将以 m_theory/README.md 为骨架结合仓库源码系统讲解该模块的定位、目录结构、两种运行方式Colab 在线运行与本地安装、核心库设计以及 SO(8) 超引力极值扫描与 wrapped-branes 势能分析两大可运行示例帮助你快速上手这套无数据、纯符号数值的研究工具链。一、研究背景为什么用 TensorFlow 研究纯数学问题M-Theory 研究的核心是调和量子力学、广义相对论与超对称三大物理原理时所涌现出的极其丰富的数学结构。从输入与数据的角度看这类研究应当被视作纯数学——它不依赖任何测量数据甚至不依赖用户数据。然而正如 README 所指出的尽管这类研究不使用任何数据样例用于学习或其他目的Google 的 TensorFlow 机器学习技术仍然足够通用是研究这类适合也应该进行数值化探索的领域问题的得力工具。其核心价值在于自动微分超引力标量势能scalar potential的梯度、Hessian 等张量运算可以自动求导而无需手推复杂的解析公式张量运算基础设施einsum、矩阵指数linalg.expm等高层算子可直接作用于高维张量可微优化管线借助tf.minimize、tf_mdnewton等工具完成极值点驻点搜索与牛顿迭代精化。从源码结构看这套代码的目标是系统化地分析各种规范扩展超引力模型的标量扇区scalar sector这一核心动机明确写在 m_theory/m_theory_lib/supergravity.py 的模块文档字符串中。二、目录结构总览README 给出了模块的顶层组织方式实际仓库结构与之一一对应目录用途m_theory/m_theory_lib/通用库代码用于数值研究超引力框架、代数、实用工具m_theory/dim4/4 维31 维时空超引力的定义与代码m_theory/dim1/1 维物理相关代码论文配套m_theory/dim4/papers/各篇论文的配套代码子目录按paper_tag组织m_theory/dim4/so8_supergravity_extrema/早期 SO(8) 极值代码见下文第四节m_theory/wrapped_branes/包装 M5-膜模型势能分析见下文第六节README 中说明dim(N)/表示 N 维物理的子目录其中dim4/保存 31 维时空超引力的定义dim(N)/papers/(paper_tag)/保存各出版物配套的代码。仓库中还包含 m_theory/run.sh它以一键脚本方式依次完成虚拟环境创建、依赖安装并运行 SO(8) 极值 demo。三、快速上手Google Colab 在线运行无需本地安装README 明确指出使用这套代码最简单的方式是不安装任何代码把 loader notebook 导入在线 Google Colab再由该 notebook 从 github 或本机归档可能是修改过的版本加载m_theory模块。具体步骤如下按 README 整理打开 Colab导航至 Google Colab通过 GitHub 地址导入m_theory/colab/目录下的 loader notebookREADME 中描述的入口文件即位于该目录。选择模块加载方式在第一个 notebook 单元格的菜单中选择从 github 仓库加载m_theory模块新用户建议此项或者从设备上传可能是修改过的m_theory.zip归档。勾选reset_package复选框后重新运行该单元格即可用新上传的模块替换已加载的模块。运行 demo直接运行第 2 个单元格即可看到演示否则修改该单元格并运行你自己的代码。可选保存工作使用 File - Download 或 File - Save a Copy in Drive需 gmail / google drive 账号保存成果。在当前仓库的 m_theory/colab/ 目录下可以看到两个 notebookhamming78.ipynb含配套脚本hamming78.py与so8_omega_colab.ipynb可作为参考入口。四、本地下载与安装4.1 单独下载 m_theory 子目录google-research 是一个体量很大的仓库。README 提供了一种只下载m_theory这一部分的简单方式需要安装subversion包使用svn export指向 google-research 仓库的trunk/m_theory路径即可命令形式为svn export google-research 仓库/trunk/m_theory在当前镜像仓库中代码已经完整位于仓库根目录下的m_theory/中可以直接使用无需执行上述导出。4.2 搭建 Python 环境按 README 与 m_theory/run.sh 中的做法使用virtualenv创建并激活虚拟环境然后安装依赖virtualenv -p python3 env source env/bin/activate pip3 install -r m_theory_lib/requirements.txt依赖清单见 m_theory/m_theory_lib/requirements.txt包括依赖包版本约束用途从源码推断mpmath1.0.0高精度数值计算标量扇区 mpmath 评估numpy1.18.5数值数组基础opt_einsum2.3.2einsum 收缩路径优化matplotlib3.0.0绘图scipy1.4.1线性代数、优化算法h5py2.10.0HDF5 数据文件cached_property1.5.1属性缓存tensorflow2.4.1核心张量计算与自动微分需要说明的是依赖版本如numpy1.18.5、tensorflow2.4.1是仓库中锁定版本若你的系统 Python 版本较新可能需要相应调整此外run.sh中运行 demo 的完整命令为python3 -m dim4.so8_supergravity_extrema.code.extrema需要在m_theory/目录下执行。五、核心库 m_theory_lib超引力研究的基础设施m_theory_lib/是整套代码的通用基础设施README 将其定位为用于数值研究超引力的通用库代码。从源码看它包含以下关键组件5.1 超引力模型框架m_theory/m_theory_lib/supergravity.py 定义了一套Supergravity 模型框架通过提供公共框架来系统化分析各种规范扩展超引力的标量扇区。其中SUGRASignature数据类dataclass刻画一个模型的特征签名主要字段包括name模型名称dim时空维度dim_scalar_manifold标量流形维度例如 N8、D4 时为 70num_model_params模型级参数个数如 SO8c 规范中的 omega 角等选择特定 Theta 嵌入张量的参数scalar_masses_dV_from_right计算标量质量时 dV 是否从右侧乘 Vielbein Vscalar_masses_factor/gravitino_masses_factor/fermion_masses_factor/vector_masses_factor各类质量标量、引力子、费米子、矢量的缩放因子gauge_algebra_name规范代数名称如so(8)num_spurious_vector_masses需要从谱中消除的零质量矢量数generator_scaling生成元缩放通常为 1必要时为对齐不同约定而调整。同文件还定义了ResidualSymmetry数据类用于描述驻点处的剩余对称性rank、全生成元、半单子群生成元、U(1) 生成元。supergravity.py的模块文档中还记录了作者对未来优化方向的思考如射线分析驻点邻域时提高效率的三个思路说明该框架仍在演进。5.2 实用工具与其他库m_theory/m_theory_lib/m_util.py通用工具函数。典型如nsum()——一个 numpyeinsum的便捷包装默认使用 greedy 收缩策略并会自动剥离收缩式中的^、_、|、;字符从而允许在物理公式中标注指标位置此外还提供tf_stationarity、tf_grad、tf_jacobian、tf_minimize、tf_mdnewton等 TensorFlow 数值工具见wrapped_branes对它们的调用。m_theory/m_theory_lib/algebra.py 与 m_theory/m_theory_lib/cartan_dynkin.py李代数与 Cartan-Dynkin 相关计算。m_theory/m_theory_lib/tf_cexpm.pyTensorFlow 下的复矩阵指数实现。m_theory/m_theory_lib/ode/ODE 相关工具包括closed_orbit.py闭轨道分析、ode_hessian.pyHessian 计算、ode_bp_basic_timings.py与numpy_tf_basic_timings.py基础计时基准、grammar_checker.py配tcd_dsl_grammar.lark文法文件。5.3 测试testing/algebra_test.py 与 testing/cartan_dynkin_test.py 覆盖了代数与 Cartan-Dynkin 部分的基础正确性。六、可运行示例一SO(8) 超引力极值扫描demo6.1 背景与定位README 特别说明dim4/so8_supergravity_extrema/是早期 SO(8) 代码随论文 SO(8) Supergravity and the Magic of Machine LearningarXiv:1906.00207发布并按原始形式保留供参考。它简化了 de Wit-Nicolai 模型——即 31 维时空中的 SO(8) 规范 N8 超引力——标量势的分析但与模块中更新的部分相比存在明显差距README 原话为substantial gaps。6.2 运行 demo在m_theory/目录下运行python3 -m dim4.so8_supergravity_extrema.code.extrema该命令会执行一次小型搜索找到若干解并分析其中一个输出提供位置数据与粒子性质写入EXAMPLE_SOLUTIONS目录。run.sh脚本执行的也正是这条命令。6.3 源码视角搜索与分析管线从 extrema.py 的源码可以看到完整的处理流程scan_for_solutions(seed1, scale0.1, stationarity_threshold1e-6, output_filenameNone, rpowNone, susy_regulatorNone)底层调用scalar_sector_tensorflow.scan()进行随机起点的驻点扫描process_raw_v70(raw_v70, work_dir, newton_steps4, skip_gradient_descentFalse)对原始 70 维向量做蒸馏distillation.distill目标 25 位有效数字、用 mpmath 高精度评估标量流形、生成location.pytxt位置与physics.pytxt物理性质提供角动量与荷以及symmetry.pytxt剩余对称性信息analyze_physics(solution_tag, directory../extrema)读取解的 70 维向量与物理信息计算剩余规范对称性并做 spin-3⊕U(1) 分支配对与谱分析demo(work_dirEXAMPLE_SOLUTIONS, num_runs3, seed1, scale0.1, stationarity_threshold1e-6, ...)演示入口执行 3 次扫描并分析所得解。其中read_v70()读取location.pytxt中稀疏表示的 70 维向量通过distillation.read_distillate_model()把参数化模型还原为完整 70 向量。6.4 已发布的解表m_theory/dim4/so8/equilibria/README.md 记录了配套数据文件SO8_SOLUTIONS.csvde Wit-Nicolai N8 D4 SO(8) 规范模型全部 194 个已知解192 个来自 arXiv:1906.00207另 2 个来自 arXiv:1909.10969格式为potential, stationarity_violation, coord0, ..., coord69SO8C_PI8_SOLUTIONS.csvomega 变形的 dyonic SO(8) 超引力在 omegapi/8 时的解实现方式见 arXiv:1302.6219 的 (2.20) 式格式为tag, potential, stationarity_violation, coord0, ..., coord69且文档注明该表可能仍有遗漏。而dim4/so8_supergravity_extrema/extrema/下按解标签如S0600000、S1800000等保存了大量location.pytxt结果文件。6.5 测试验证dim4/so8/testing/so8_test.py 演示了在新框架class Supergravity下的使用方式运行命令为python3 -m dim4.so8.testing.so8_test测试中包含一个真实的示例解对应V/g^2 ~ -8.4721略微偏移且坐标轻度预精化并断言原点处的势能pot -6.0且驻点残差小于1e-20。此外 dim4/so8_supergravity_extrema/code/scan_test.py 覆盖了扫描功能。七、可运行示例二wrapped_branes 势能分析7.1 背景wrapped_branes/用于分析通过包装 M5-膜构造的模型势能对应论文 arXiv:1906.08900 与 arXiv:1009.3805。源码注释 wrapped_branes.py 特别指出TensorFlow 分析在真实标量数去除简并后约 20 时真正发挥优势该目录的脚手架结构使其易于推广到其他情形——只需引入一个像dim7_potential()那样基于 TensorFlow 对象而非数值量计算标量势的函数然后调用scan(标量个数, 势函数)。7.2 运行方式按 README在m_theory/目录下运行python3 -i -m wrapped_branes.wrapped_branes {problem_name}其中{problem_name}为以下之一问题名对应模型dim7D7 超引力势arXiv:1906.08900 的 (2.3) 式作为热身练习cgr-S2/cgr-R2/cgr-H2CGR 模型在 S2 / R2 / H2 上的紧致化势arXiv:1906.08900 的 (3.20) 式dgkv-S3/dgkv-R3/dgkv-H3DGKV 模型在 S3 / R3 / H3 上的紧致化势arXiv:1009.3805 的 (3.8) 式7.3 源码视角临界点扫描流程从 wrapped_branes.py 源码看主流程为定义Solution数据类potential、stationarity、posscan_for_critical_points(problem, starting_points, stationarity_threshold1e-4, mdnewtonTrue, ...)对每个起始点先用tf_minimize最小化驻点函数若驻点值小于阈值再用tf_mdnewton最大 4 步对势能梯度做多方向牛顿迭代精化最后产出Solutionif __name__ __main__块以seed0的随机数生成器产生正态分布scale0.15的起始点逐个问题最多扫描并打印 100 个解输出P势能 S驻点残差 位置向量。势函数定义集中在 potentials.py 中其中cgr_potential/dgkv_potential通过compactify_on参数S2/R2/H2、S3/R3/H3切换紧致化流形并大量使用tf.linalg.expm矩阵指数、tf.einsum与手写展开的幂次来保持计算图较浅。八、运行环境与注意事项小结无需数据整套研究输入是纯数学对象李代数、标量势、70 维向量等README 明确其不依赖任何测量或用户数据。版本锁定依赖版本由 requirements.txt 锁定如tensorflow2.4.1、numpy1.18.5、scipy1.4.1在更新的 Python/TensorFlow 环境下可能需要适配。执行目录模块使用相对导入与-m模块方式运行如python3 -m dim4.so8_supergravity_extrema.code.extrema需要在m_theory/目录下执行run.sh 已封装建环境 - 装依赖 - 跑 demo全流程。两个层面的代码dim4/so8_supergravity_extrema/是随论文保留的早期实现dim4/so8/与m_theory_lib/则是更新的class Supergravity框架代码二者并存且定位不同。测试体系testing/、dim4/so8/testing/、dim4/so8_supergravity_extrema/code/scan_test.py、m_theory_lib/ode/ode_hessian_test.py、dim1/papers/gamma_bth/gamma11_test.py等测试文件覆盖了代数、框架、扫描与 ODE 等关键路径可作为理解模块行为的参考。赞分享人工智能深度学习NLP计算机视觉强化学习【免费下载链接】google-researchGoogle Research项目地址https://gitcode.com/gh_mirrors/go/google-research点击查看免费下载相关推荐NYT-2020-election-scraper扩展开发如何定制个性化选举数据监控的10个技巧NYT 2020 election scraper扩展开发如何定制个性化选举数据监控的10个技巧 想要实时监控美国大选数据变化吗 NYT 2020 elecmicroui学术研究被引用与研究的学术价值microui学术研究被引用与研究的学术价值 引言微型UI库的学术潜力 在嵌入式系统与资源受限环境如物联网设备、实时控制系统的界面开发中开发者常面临内UI组件Animal Crossing大头菜价格预测APITurnip Prophet接口详解与应用Animal Crossing大头菜价格预测APITurnip Prophet接口详解与应用 Animal Crossing大头菜价格预测APITurnip前端上一篇OBS Studio视频转场特效从基础应用到高级定制完全指南下一篇3分钟快速上手如何把本地AI变成你的网页浏览助手创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考