基于生成对抗网络的 Berezinskii-Kosterlitz-Thouless 相变探测
量子物理
2022-03-30 v3 量子气体
摘要
在以尽可能少的系统细节先验知识来探测量子多体系统相变这一目标上，机器学习技术在物理问题中的蓬勃发展应用令人振奋。在此，我们用系统二分化的纠缠谱训练一个生成对抗网络（GAN），该纠缠谱通过矩阵乘积态（Matrix Product States）拟设提取。我们能够通过考察机器对训练集外数据的重建失败来识别不同一维模型中的无能隙到能隙相变。我们预见基于 GAN 的方法将在应用于相图确定的异常检测方案中成为重要工具。
引用
@article{arxiv.2110.05383,
title = {Detection of Berezinskii-Kosterlitz-Thouless transition via Generative Adversarial Networks},
author = {D. Contessi and E. Ricci and A. Recati and M. Rizzi},
journal= {arXiv preprint arXiv:2110.05383},
year = {2022}
}
备注
14 pages, 5 figures