基于平衡前蒙特卡洛样本相变的快速检测
强关联电子
2022-09-15 v1
摘要
我们发现双向LSTM和Transformer能够在平衡前通过学习蒙特卡洛原始数据中的特征，对凝聚态模型的不同相进行分类并确定相变点。与传统蒙特卡洛模拟相比，我们的方法能显著减少探测相变所需的时间和计算资源。我们还提供证据表明该方法具有鲁棒性，且深度学习模型的性能对输入数据类型不敏感（我们测试了经典模型的自旋构型和量子模型的格林函数），并且在探测Kosterlitz-Thouless相变中也表现良好。
引用
@article{arxiv.2206.13137,
title = {Rapid detection of phase transitions from Monte Carlo samples before equilibrium},
author = {Jiewei Ding and Ho-Kin Tang and Wing Chi Yu},
journal= {arXiv preprint arXiv:2206.13137},
year = {2022}
}
备注
23 pages, 10 figures