机器学习阿贝尔规范理论的相

采用仅含一个输入层、一个两层神经元的隐藏层和一个输出层的监督神经网络（NN），研究了三角晶格上二维$U(1)$量子链模型的相变。NN训练时未使用所研究模型的任何信息，而是将两张人工生成的构型作为训练集。有趣的是，所得NN不仅精确估计了临界点，还正确揭示了物理规律。此处呈现的结果意味着，具有极简架构且在不借助所研究模型任何输入的情况下训练的监督NN，能够高精度识别目标相结构。