用域对抗神经网络研究 Potts 模型的相变
统计力学
2024-02-20 v3 计算物理
摘要
引入一种迁移学习方法——域对抗神经网络（DANN），用于研究二维 q 态 Potts 模型的相变。借助 DANN，我们只需自动选取少量标记构型作为输入数据，经算法训练后即可获得临界点。通过额外的迭代过程，临界点可被捕捉到与蒙特卡洛模拟相当精度，我们在 q = 3、4、5、7 和 10 时予以证明。相变类型（一级或二级）同时也被确定。同时，对于 q=3 的二级相变，我们可通过数据 collapse 计算临界指数 。此外，与传统监督学习相比，我们发现 DANN 更准确且成本更低。
引用
@article{arxiv.2209.03572,
title = {Study of phase transition of Potts model with Domain Adversarial Neural Network},
author = {Xiangna Chen and Feiyi Liu and Shiyang Chen and Jianmin Shen and Weibing Deng and Gabor Papp and Wei Li and Chunbin Yang},
journal= {arXiv preprint arXiv:2209.03572},
year = {2024}
}
备注
30 pages, 36 figures