Exploring the holographic entropy cone via reinforcement learning
Dieser Artikel stellt einen Reinforcement-Learning-Algorithmus vor, der den holographischen Entropiekegel erkundet, indem er nach Graphenrealisierungen von Zielentropievektoren sucht, wodurch bekannte Eigenschaften für N=3 erfolgreich wiederentdeckt und der Status von sechs „rätselhaften" Extremstrahlen für N=6 geklärt wird, indem nachgewiesen wird, dass drei realisierbar sind, während die anderen drei auf unbekannte holographische Ungleichungen hindeuten.