用机器学习绘制Vicsek模型相图

Grace T. Bai; Brandon B. Le

用机器学习绘制Vicsek模型相图

软凝聚态物质 2026-05-01 v1 机器学习

作者: Grace T. Bai , Brandon B. Le

摘要

在这项研究中，我们使用机器学习对Vicsek集群运动模型在三维参数空间 $(\eta,\rho,v_0)$ 中的相结构进行分类和插值。我们构建了一个模拟参数点数据集，并使用长时间动力学观测量来表征每个点。然后将这些观测量作为K-Means聚类过程的输入，该过程将每个点分配到无序相、有序相或共存相。利用这些聚类标签，我们训练了一个神经网络分类器来学习从模型参数到相行为的映射，达到了0.92的分类准确率。由此得到的相图解析出了一个分隔有序相和无序相的狭窄共存区域，并将推断的相边界扩展到了最初采样的模拟点之外。更广泛地说，这种方法提供了一种系统性的方式，将稀疏的模拟数据转换为集体运动模型的全局相图。

关键词

Vicsek模型相图机器学习聚类神经网络集体运动活性物质

引用

@article{arxiv.2604.28167,
  title  = {Mapping the Phase Diagram of the Vicsek Model with Machine Learning},
  author = {Grace T. Bai and Brandon B. Le},
  journal= {arXiv preprint arXiv:2604.28167},
  year   = {2026}
}

备注

8 pages, 3 figures

用机器学习绘制Vicsek模型相图

摘要

关键词

引用

备注

相关论文