利用神经网络探测二维q态时钟模型的Berezinskii–Kosterlitz–Thouless相变
无序系统与神经网络
2023-03-02 v1 统计力学
高能物理 - 格点
摘要
利用监督神经网络(NN)技术,我们研究了方形晶格上二维(2D)6态和8态时钟模型的相变。所采用的NN仅有一个输入层、一个含2个神经元的隐藏层和一个输出层。此外,该NN的训练无任何关于所考虑模型的先验信息。有趣的是,尽管架构简单,所构建的监督NN不仅探测到两个Berezinskii–Kosterlitz–Thouless(BKT)相变,而且以相当高的精度确定了相变温度。令人瞩目的是,一个结构极其简单且无需所研究模型任何输入的NN,可用于研究拓扑相变。此处展示的结果以及文献中先前证明的结果,表明构建一个适用于研究许多系统相变的通用NN是可行的。
引用
@article{arxiv.2303.00439,
title = {Detection of Berezinskii--Kosterlitz--Thouless transitions for the two-dimensional $q$-state clock models with neural networks},
author = {Yaun-Heng Tseng and Fu-Jiun Jiang},
journal= {arXiv preprint arXiv:2303.00439},
year = {2023}
}
备注
6 pages, 7 figures