Edwards-Anderson模型中的全局极小值深度
无序系统与神经网络
2020-02-04 v1 统计力学
摘要
文献中最常被引用的数据相互矛盾，对于二维Edwards-Anderson(2D EA)Ising模型的全局极小值尚无共识。借助计算机模拟以及精确的Schraudolph-Kamenetsky多项式算法，我们考察了2D EA型模型中的全局极小值深度。我们发现了全局极小值深度对问题维度N的依赖性，并得到了其在极限下的渐近值。我们相信这些评估可进一步用于考察机器学习与图像处理中常用的二维贝叶斯模型的行为。
引用
@article{arxiv.2002.00607,
title = {Global Minimum Depth In Edwards-Anderson Model},
author = {Iakov Karandashev and Boris Kryzhanovsky},
journal= {arXiv preprint arXiv:2002.00607},
year = {2020}
}
备注
10 pages, 4 figures, 2 tables, submitted to conference on Engineering Applications of Neural Networks (EANN 2019)