利用机器学习预测姆潘巴效应
无序系统与神经网络
2024-03-26 v2
摘要
姆潘巴效应可在非平衡热力学框架中用马尔可夫动力学进行研究。马尔可夫姆潘巴效应可在包括伊辛模型在内的多种系统中观察到。我们证明了可用几种机器学习方法在伊辛模型中预测马尔可夫姆潘巴效应：决策树算法、神经网络、线性回归，以及带LASSO方法的非线性回归。我们比较了这些方法的阳性与阴性准确率。此外，我们发现机器学习方法可用于准确地外推到其训练范围之外的数据。神经网络甚至能在仅以姆潘巴效应不出现的数据训练时，预测姆潘巴效应的存在。这表明，关于哪些系数会导致姆潘巴效应的信息包含在效应不出现的系数中。进而，神经网络能预测对于正（对应于铁磁伊辛模型）姆潘巴效应不发生，即使它们仅以负（对应于反铁磁伊辛模型）的数据训练。所有这些结果表明，无需显式计算特征向量，即可在复杂且计算昂贵的系统中预测姆潘巴效应。
引用
@article{arxiv.2209.08161,
title = {Predicting the Mpemba Effect Using Machine Learning},
author = {Felipe Amorim and Joey Wisely and Nathan Buckley and Christiana DiNardo and Daniel Sadasivan},
journal= {arXiv preprint arXiv:2209.08161},
year = {2024}
}