用于探测多相的蛇网与气球力结合神经网络方法
统计力学
2023-07-06 v2 无序系统与神经网络
量子气体
机器学习
摘要
应用于相变研究的无监督机器学习是一个持续且有趣的研究方向。主动轮廓模型，亦称蛇模型，最初用于二维图像中的目标轮廓提取。为获得物理相图，[Phys.Rev.Lett. 120, 176401(2018)] 的作者以无监督学习方式将结合人工神经网络的蛇模型应用于此：其将相边界猜测为初始蛇，随后由人工神经网络估计的力驱动蛇收敛。本文中，我们将这一单轮廓的无监督学习方法扩展为具有多轮廓的蛇网，以获取相图中的若干相边界。对于经典 Blume-Capel 模型，获得了包含三相与四相的相图。此外，为克服初始位置的限制并加速蛇的运动，引入随迭代步数衰减的气球力并应用于蛇网结构。我们的方法有助于利用冷原子或其他实验的配置快照，在无需相知识的情况下确定多相相图。
引用
@article{arxiv.2205.09699,
title = {Snake net and balloon force with a neural network for detecting multiple phases},
author = {Xiaodong Sun and Huijiong Yang and Nan Wu and T. C. Scott and Jie Zhang and Wanzhou Zhang},
journal= {arXiv preprint arXiv:2205.09699},
year = {2023}
}
备注
13 pages, 15 figures, submitted to PRE