三维 Ising 模型中的少样本机器学习
无序系统与神经网络
2019-03-21 v2 统计力学
计算物理
摘要
我们利用最先进的机器学习算法从理论上证三维立方 Ising 模型的相变。监督式机器学习模型在相分类中表现出高精度(~99%),且在不同自旋构型下能量的相对误差非常小()。引入无监督机器学习模型来研究自旋构型的重构与约化,且重构自旋构型的相可由线性逻辑算法准确分类。基于各种机器学习模型之间的比较,我们发展了一种少样本策略,从较小晶格上的训练样本预测较大晶格中的相变。三维(3D) Ising 模型的少样本机器学习策略使我们能够高效地研究 3D Ising 模型,并为其他自旋模型提供了一种新颖的、集成的且高精度的途径。
引用
@article{arxiv.1903.08061,
title = {Few-shot machine learning in the three-dimensional Ising model},
author = {Rui Zhang and Bin Wei and Dong Zhang and Jia-Ji Zhu and Kai Chang},
journal= {arXiv preprint arXiv:1903.08061},
year = {2019}
}