用受限玻尔兹曼机识别乘积序
无序系统与神经网络
2018-04-03 v2
摘要
基于受限玻尔兹曼机的无监督机器学习是区分有序相与无序相的有用工具。在此我们研究其在二维 Ashkin-Teller 模型上的应用，该模型具有部分有序的乘积相特征。我们使用蒙特卡洛模拟生成的自旋构型数据训练该神经网络，并表明乘积相的显著特征可以从对称性破缺导致的非遍历样本中学习到。对权重矩阵的仔细分析启发我们定义一个受机器学习启发的、乘积形式的非平凡量，它类似于传统的乘积序参量。
引用
@article{arxiv.1709.02597,
title = {Identifying Product Order with Restricted Boltzmann Machines},
author = {Wen-Jia Rao and Zhenyu Li and Qiong Zhu and Mingxing Luo and Xin Wan},
journal= {arXiv preprint arXiv:1709.02597},
year = {2018}
}
备注
9 pages, 11 figures