预测模型输出的发散作为相变的指示
统计力学
2019-06-12 v1 无序系统与神经网络
量子物理
摘要
我们引入一种识别物理系统相边界的新方法。其基于训练一个如神经网络之类的预测模型，从系统状态推断物理系统的参数。推断参数与底层正确参数的偏差在相边界附近最为敏感并最大化发散。因此，模型预测发散中的峰值被用作相变的指示。我们的方法适用于任意参数维度的相图且无需关于相的先验信息。在二维Ising模型和耗散Kuramoto-Hopf模型上的应用显示出有前景的结果。
引用
@article{arxiv.1812.00895,
title = {Divergence of predictive model output as indication of phase transitions},
author = {Frank Schäfer and Niels Lörch},
journal= {arXiv preprint arXiv:1812.00895},
year = {2019}
}
备注
6 pages, 3 figures