Kalb-Ramond场在de-Sitter膜上的局域化

来源 :兰州大学 | 被引量 : 0次 | 上传用户:ymlazy64
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
自上世纪90年代,Arkani-Hamed-Dimopoulos-Dvali(ADD)和Randall-Sundrum(RS)模型被提出以来,运用高维时空解决我们四维宇宙中存在的规范层次问题和宇宙学常数问题的想法受到了广泛关注。在膜世界模型中,物质场的局域化问题是一个重要问题。第一章我们回顾了额外维和膜世界理论的发展过程。简单介绍了几种重要的基本模型:Kaluza-Klein(KK)理论、ADD模型、RS模型、以及厚膜理论。第二章我们介绍了标量场、矢量场、Kalb-Ramond(KR)场、费米子场这四种常见的物质场在简单厚膜背景上的局域化,除此之外我们还分析了标量场和矢量场的有效势。并且以此为例,讨论了影响有效势形式的几种因素。第三章,我们研究了 KR场局域化的问题,首先我们考虑了一个由kink标量场产生的de Sitter(dS)厚膜背景,接着我们考虑KR场是如何局域化在膜上的。由于KR场不能直接局域化在膜世界上需要加入耦合项或者采用其他机制,因此我们采用了非最小耦合f(φ)形式。然后我们算出了,在采用了f(φ)形式的耦合后,KR场在dS厚膜上的局域化条件。这里我们给出的是抽象的f(φ)形式耦合下的一般的局域化条件。第四章,我们讨论了在给出三种不同f(φ)具体耦合情况下,KR规范场的局域化情况。对于第一种耦合,我们发现局域化条件和厚膜背景解冲突,KR场无法被局域化在膜上。第二种情况,归一化条件可以满足,KR场可以局域化在膜世界上。其有效势的形式为PT势,我们还分析了有质量的束缚态KK模式的质量谱和波函数。第三种耦合的形式比较复杂,在此种耦合下KR场的零膜仍可以局域化在膜世界上。此时,波函数的有效势为类火山势。我们通过数值的方法找到有质量KK模式的共振态结构并分析了三个参数对共振态模式的影响。
其他文献
短期负荷预测为电力系统的规划、调度以及电力市场交易提供重要的数据支撑,关系到电力系统的稳定运行及经济性。然而,伴随着我国高渗透率多类型分布式电源的发电并网,电力供
目的:本研究主要以穿刺单针阳性前列腺癌患者的根治术后病理学表现为研究目标,分析和总结穿刺单针阳性前列腺癌患者的术后病理学特征。根据穿刺单针阳性前列腺癌患者的实际术
俞氏家族是清代泰州的文化家族,家族中的俞梅、俞堉、俞圻三人著述颇丰,各有诗集传世。俞梅,字太羹,号师岩,又号云斤,康熙四十二年进士,《全唐诗》编校者之一,有《甲申集》、《梦余集》传世。俞堉,字容万,号蘅皋,乾隆三十年举人,有《率意吟》、《谦忍居诗集》传世。俞圻,字越千,一字让林,嘉庆六年钦赐副贡,有《剪烛吟》传世。俞氏家族的诗集不仅具有文学欣赏价值,还具有研究俞氏家族宗亲、姻亲关系,家族日常活动以
目前,深度学习特别是卷积神经网络已经成功应用到了自然图像和医学图像分割任务中。深度卷积神经网络可以自动地从图像中提取特征,且自动提取的特征可以更好地应用到相关任务
视觉图像感知技术是近年来人类获取信息的主要手段和途径,近年来,随着现代计算机视频图像技术的进一步发展和其应用的越来越多样化,人们对于图像尤其特别是连续的高层次视频
实验目的神经母细胞瘤(Neuroblastoma,NB)是最常见的儿童颅外实体肿瘤,Am80(Tamibarotene,他米巴罗汀)是一种维甲酸受体(RAR)特异性合成激动剂。本研究旨在探究不同浓度Am80对人源神经母细胞瘤SH-SY5Y细胞增殖及对酪氨酸激酶受体TrkA表达的影响,并进一步探究Am80对NB化疗耐药的影响。实验方法常规培养人源神经母细胞瘤SH-SY5Y细胞,用Cell Count
随着咖啡饮品的普及和无人经济的发展,许多公司开始了对自助咖啡贩卖机的研究。但是目前我国的自助咖啡贩卖机多为功能机,既无法根据顾客的身体健康调配适合的成分配比,也无
前列腺癌是老年男性最常见的癌症,核磁共振(Magnetic Resonance,MR)成像方式所得的前列腺图像已被广泛应用于前列腺癌的诊断和治疗过程中。医生在诊疗之前,需要先准确分割出M
物联网(Internet of things,IoT)是信息化技术的更新升级,广泛的应用于各个生活领域中,是即将到来的第四次工业革命浪潮信息化领域中的重中之重。无线传感器网络(Wireless Sensor Networks,WSN)正在迅猛发展日新月异,特别是应用到各种监控和跟踪应用中,而无线传感器网络通过节点感知技术获取外界信息,在物联网感知层中应用价值巨大。无线传感器网络可以采集、监测和管理
图像客观质量评价方法分为全参考、半参考和无参考三种,其中无参考模型因为不需要任何参考信息所以获得了越来越多的关注。深层卷积神经网络具有十分强大的建模和分析能力,可以表示抽象的具有区分性的特征,近年来被广泛应用于无参考图像质量评价中。在使用卷积神经网络进行图像质量评价研究时,由于通用实验数据库中缺乏足够的带标签的训练数据,研究者往往将数据库里的失真图像进行分块处理来扩大数据集。这种方法会导致每个分块