一种用于对比学习物质相的简单框架
无序系统与神经网络
2024-05-17 v1 强关联电子
机器学习
计算物理
摘要
凝聚态物理的一项主要任务是识别、分类和表征物质相及其相应的相变，由于计算能力与算法的显著发展，机器学习提供了一类新的研究工具。尽管在这一新领域已有大量探索，不同场景通常仍需不同的方法与技术。在此，我们提出 SimCLP：一种用于对比学习物质相的简单框架，其受视觉表示对比学习近期发展的启发。我们在若干代表性系统上展示了该框架的成功，包括经典与量子、单粒子与多体、常规与拓扑系统。SimCLP 灵活且免除了人工特征工程与先验知识等常见负担，唯一前提是准备足够多的状态构型。此外，它可生成表示向量与标签，从而帮助解决其他问题。因此，SimCLP 为开发识别未探索相变的通用工具铺就了一条替代途径。
引用
@article{arxiv.2205.05607,
title = {A simple framework for contrastive learning phases of matter},
author = {Xiao-Qi Han and Sheng-Song Xu and Zhen Feng and Rong-Qiang He and Zhong-Yi Lu},
journal= {arXiv preprint arXiv:2205.05607},
year = {2024}
}
备注
7 pages, 6 figures