用于多体系统高效变分计算的连续混合自回归网络
无序系统与神经网络
2022-11-28 v3 统计力学
摘要
我们开发了具有多通道的深度自回归网络，以直接计算具有连续自旋自由度的多体系统。作为一个具体例子，我们将二维 XY 模型嵌入连续混合网络，并在周期平方晶格上重新发现了 Kosterlitz-Thouless（KT）相变。表征准长程有序的涡旋被自回归神经网络精确探测到。通过学习宏观热分布中的微观概率分布，神经网络直接计算自由能，并发现自由涡旋与反涡旋在高温区涌现。作为更精确的评估，我们计算螺旋度模量以确定 KT 转变温度。尽管训练过程随晶格尺寸增大变得更耗时，训练时间在 KT 转变温度附近保持不变。因此我们开发的连续混合自回归网络可潜在用于研究其他具有连续自由度的多体系统。
引用
@article{arxiv.2005.04857,
title = {Continuous-mixture Autoregressive Networks for efficient variational calculation of many-body systems},
author = {Lingxiao Wang and Yin Jiang and Lianyi He and Kai Zhou},
journal= {arXiv preprint arXiv:2005.04857},
year = {2022}
}
备注
rewrite the whole manuscript. 6 pages, 4 figures, comments welcome