基于改进关联构型的机器学习研究及其在量子蒙特卡罗模拟中的应用
统计力学
2020-08-14 v1 机器学习
摘要
我们在自旋模型相分类的机器学习研究中，使用基于 Fortuin-Kasteleyn 表示的关联构型改进估计量，作为普通关联构型的替代。利用改进估计量对经典自旋模型的相进行分类，并将该方法应用于使用 loop 算法的量子蒙特卡罗模拟。我们分析了平方晶格上自旋 1/2 量子 XY 模型的 Berezinskii-Kosterlitz-Thouless（BKT）相变。利用机器学习方法对量子 XY 模型的 BKT 相与顺磁相进行分类。我们展示了量子 XY 模型的分类可通过使用经典 XY 模型的训练数据来完成。
引用
@article{arxiv.2007.15477,
title = {Machine-Learning Study using Improved Correlation Configuration and Application to Quantum Monte Carlo Simulation},
author = {Yusuke Tomita and Kenta Shiina and Yutaka Okabe and Hwee Kuan Lee},
journal= {arXiv preprint arXiv:2007.15477},
year = {2020}
}
备注
6 pages, 4 figures. arXiv admin note: text overlap with arXiv:2001.03989