用神经网络学习局域对称性
无序系统与神经网络
2019-11-13 v2 统计力学
机器学习
摘要
我们探究神经网络检测具有复杂局域与非局域模式的对称性：规范对称性 Z 2 的能力。该对称性存在于从拓扑相变到 QCD 的物理问题中，并控制自旋玻璃实例的计算难度。此处，我们展示如何设计一个神经网络及一个数据集，能够学习此对称性并找到规范轨道的压缩潜表示。我们的方法特别关注系统环绕圈，即所谓的 Polyakov 圈，已知其与计算复杂性尤为相关。
引用
@article{arxiv.1904.07637,
title = {Learning a Local Symmetry with Neural-Networks},
author = {Aurélien Decelle and Victor Martin-Mayor and Beatriz Seoane},
journal= {arXiv preprint arXiv:1904.07637},
year = {2019}
}
备注
4 pages, 4 figures + appendices