学习在无序中寻找有序
无序系统与神经网络
2020-07-22 v2
摘要
我们引入神经网络作为对无空间序的经典无序系统的分类器。在本研究中，我们实现了一个卷积神经网络，经训练可从给定温度下的蒙特卡洛采样构型输入中识别三维Edwards-Anderson Ising自旋玻璃模型中的自旋玻璃态。该神经网络设计上可灵活处理输入尺寸，并能在测试集中少量实例上准确进行推断。利用该神经网络对三维Edwards-Anderson Ising自旋玻璃在（随机）场中的实例进行分类，我们表明推断的相边界与Almeida-Thouless线的缺失一致。
引用
@article{arxiv.1903.06993,
title = {Learning to find order in disorder},
author = {Humberto Munoz-Bauza and Firas Hamze and Helmut G. Katzgraber},
journal= {arXiv preprint arXiv:1903.06993},
year = {2020}
}
备注
9 pages, 6 figures, 3 tables