通过混淆学习：Holstein模型的相图

我们采用“通过混淆学习”技术（一种用于检测相变的无监督机器学习方法）来分析二维Holstein模型（晶格上电子-声子相互作用的基本模型）的量子蒙特卡罗模拟。利用卷积神经网络，我们进行一系列二分类任务，基于神经网络的学习精度识别Holstein临界点。我们进一步评估了各种训练数据集（包括声子场快照和其他虚时分辨的测量量）在预测不同相变和交叉行为方面的有效性。我们的结果最终构建了Holstein模型的有限温度相图。