基于自回归神经网络的无偏蒙特卡洛团簇更新
统计力学
2021-11-11 v3 无序系统与神经网络
机器学习
机器学习
摘要
对复杂高维概率分布的高效采样是计算科学中的核心任务。自回归神经网络等机器学习方法与马尔可夫链蒙特卡洛采样结合使用，可对此类分布提供良好近似，但存在固有偏差或高方差的问题。在本快报中，我们提出了一种使该近似无偏且低方差的方法。我们的方法利用物理对称性和变尺寸团簇更新，后者运用了自回归因子分解的结构。我们在经典自旋系统的一级和二级相变上测试了我们的方法，展示了其在临界系统及存在亚稳态时的可行性。
引用
@article{arxiv.2105.05650,
title = {Unbiased Monte Carlo Cluster Updates with Autoregressive Neural Networks},
author = {Dian Wu and Riccardo Rossi and Giuseppe Carleo},
journal= {arXiv preprint arXiv:2105.05650},
year = {2021}
}
备注
12 pages, 9 figures