域对抗神经网络在三维 Potts 模型相变中的应用
计算物理
2024-02-20 v2 统计力学
摘要
机器学习技术在区分不同物质相方面表现出显著性能,为研究相变提供了一条新途径。我们采用迁移学习方法——域对抗神经网络(DANN),研究了立方格子上三维 态 Potts 模型的相变。凭借其独特的神经网络架构,该方法能够评估高温(无序)与低温(有序)相,并识别一阶与二阶相变。同时,通过使用少量已标记构型训练 DANN,可以高精度地预测 时的临界点,这些结果与蒙特卡洛模拟一致。这些发现将有助于我们学习与探索高维系统中相变的性质。
引用
@article{arxiv.2312.02479,
title = {Applications of Domain Adversarial Neural Network in phase transition of 3D Potts model},
author = {Xiangna Chen and Feiyi Liu and Weibing Deng and Shiyang Chen and Jianmin Shen and Gabor Papp and Wei Li and Chunbin Yang},
journal= {arXiv preprint arXiv:2312.02479},
year = {2024}
}
备注
18pages,36 figures