用欧氏神经网络寻找对称性破缺序参量
机器学习
2021-01-20 v2 无序系统与神经网络
计算物理
摘要
居里原理指出“当效应表现出某种不对称性时，这种不对称性必能在引起它们的原因中找到”。我们证明对称性等变神经网络遵循居里原理，并可用于将许多与对称性相关的科学问题表述为简单的优化问题。我们从数学上证明了这些性质，并通过训练一个欧氏对称性等变神经网络来学习对称性破缺输入，从而将正方形形变为矩形并生成钙钛矿中的八面体倾斜模式，从数值上演示了这些性质。
引用
@article{arxiv.2007.02005,
title = {Finding Symmetry Breaking Order Parameters with Euclidean Neural Networks},
author = {Tess E. Smidt and Mario Geiger and Benjamin Kurt Miller},
journal= {arXiv preprint arXiv:2007.02005},
year = {2021}
}
备注
6 pages, 3 figures