受限玻尔兹曼机流与伊辛模型的临界温度
统计力学
2022-03-31 v2 无序系统与神经网络
计算物理
机器学习
摘要
我们探索了由神经网络温度计映射到方格伊辛模型温度空间上的受限玻尔兹曼机（RBM）进行迭代采样（流）的替代实验设置。该框架被引入以探索基于 RBM 的深度神经网络与重整化群（RG）之间的联系。研究发现，在某些条件下，用伊辛自旋构型训练的 RBM 在温度空间中的流会逼近临界值附近：。在本文中，我们考虑了不含模型拓扑信息的数据集，以论证神经网络温度计并非检测 RBM 是否学习了尺度不变性的准确方法。
引用
@article{arxiv.2006.10176,
title = {Restricted Boltzmann Machine Flows and The Critical Temperature of Ising models},
author = {Rodrigo Veiga and Renato Vicente},
journal= {arXiv preprint arXiv:2006.10176},
year = {2022}
}
备注
13 figures. Code available at https://github.com/rodsveiga/rbm_flows_ising