柔性磁性Stockmayer聚合物结构相的混淆驱动机器学习
软凝聚态物质
2025-06-27 v1
摘要
我们使用一种基于神经网络的半监督机器学习技术——混淆方法，来研究磁性聚合物中的结构转变，我们将其建模为以偶极-偶极和Lennard-Jones相互作用为特征的磁性胶体纳米颗粒链。作为神经网络的输入，我们使用了平衡聚合物构型的粒子位置和磁偶极矩，这些构型是通过副本交换Wang--Landau模拟生成的。我们证明，通过测量神经网络的分类准确率，我们能够在没有任何关于其存在或位置的先验知识的情况下，有效地识别多个结构相之间的转变点。我们通过研究相关的常规序参数来证实我们的发现。我们的研究还进一步考察了相图中此前未被探索的低温区域，在那里我们发现了高度有序的螺旋聚合物构型之间的新结构转变。
关键词
引用
@article{arxiv.2506.20899,
title = {Confusion-driven machine learning of structural phases of a flexible, magnetic Stockmayer polymer},
author = {Dilina Perera and Samuel McAllister and Joan Josep Cerdà and Thomas Vogel},
journal= {arXiv preprint arXiv:2506.20899},
year = {2025}
}