利用强化学习自主发现伊辛模型的临界参数
统计力学
2026-01-12 v1 机器学习
计算物理
摘要
确定临界参数的传统方法常常受到人为因素的影响。本研究引入了一个受物理学启发的自适应强化学习框架，使智能体能够自主地与物理环境交互，同时精确识别伊辛模型中的临界温度和各种类型的临界指数。有趣的是，我们的算法展现出类似于相变的搜索行为，无论初始条件如何，都能有效地收敛到目标参数。实验结果表明，该方法显著优于传统方法，尤其是在存在强扰动的环境中。这项研究不仅将物理概念融入机器学习以增强算法的可解释性，还建立了一种从人工分析过渡到自主AI发现的科学探索新范式。
引用
@article{arxiv.2601.05577,
title = {Autonomous Discovery of the Ising Model's Critical Parameters with Reinforcement Learning},
author = {Hai Man and Chaobo Wang and Jia-Rui Li and Yuping Tian and Shu-Gang Chen},
journal= {arXiv preprint arXiv:2601.05577},
year = {2026}
}
备注
37 pages, 9 figures. This is the Accepted Manuscript of an article published in J. Stat. Mech