基于平方格子的二维反亚热 $q$ 状态 Potts 模的机器学习研究
高能物理 - 格点
2026-03-26 v2 无序系统与神经网络
统计力学
摘要
使用监督神经网络（NN）技术研究了二维（2D）反亚热 状态 Potts 模在平方格子上的临界现象，所研究的 和6。与常规NN方法不同，本文训练一个仅包含输入层、隐藏层和输出层的单层感知机（MLP），其使用两个人工制作的类错位配置。惊人地，该MLP在没有针对这些考虑的模型进行任何输入的情况下进行训练，仍能正确识别所研究物理系统的临界温度。特别地，MLP的结果表明， 模仅在零温度下临界， 模在所有温度下保持无序。此前，该MLP已成功应用于揭示2D反亚热 Ising 模多相互作用的相变本质。因此，探讨是否可以检测其他具有非典型临界现象的模型将是有趣的。
引用
@article{arxiv.2512.06762,
title = {A Machine Learning study of the two-dimensional antiferromagnetic $q$-state Potts model on the square lattice},
author = {Shang-Wei Li and Kai-Wei Huang and Chien-Ting Chen and Fu-Jiun Jiang},
journal= {arXiv preprint arXiv:2512.06762},
year = {2026}
}
备注
10 pages, 10 figures