<em id="xltbt"><nobr id="xltbt"><meter id="xltbt"></meter></nobr></em>
      <form id="xltbt"><form id="xltbt"><nobr id="xltbt"></nobr></form></form>

          <sub id="xltbt"><listing id="xltbt"><menuitem id="xltbt"></menuitem></listing></sub>

            <address id="xltbt"></address>
            <address id="xltbt"><listing id="xltbt"></listing></address>

            學術報告

            學術活動

            學術報告
            05/30 2022 Seminar
            • Title題目 機器學習方法研究相變:非局域和拓撲相變
            • Speaker報告人 張萬舟 太原理工大學
            • Date日期 2022年5月30日 10:00
            • Venue地點 https://meeting.tencent.com/dm/Czkv3JNENKel #騰訊會議:165-776-531
            • Abstract摘要

              近年來,機器學習和人工智能的各種技術越來越多地應用于物理領域,特別是在相變研究方面。一方面,研究者們試圖觀察機器學習方法能否完成傳統方法已經勝任的工作。如果答案是否定的,則如何對機器學習方法相關環節進行改進。另一方面,研究者們試圖用機器學習工具對傳統方法進行優化和改進。本次報告主要討論第一個方面,討論如何運用機器學習方法完成一些相變研究任務。

              相變研究中有兩個著名的模型,滲流構型和XY模型。晶格滲流模型表示按照一定概率將每個格點設置為占據或者不占據。 當占據格點跨越整個晶格時,系統達到具有非局域特征的滲流狀態。由于晶格中每個格點的狀態以不相關的方式產生的,機器學習難以捕捉到格點之間的關聯,因此無監督機器學習方法研究滲流模型具有挑戰性。

              XY模型是一種統計物理最基礎的理論模型之一,可統一描述具有拓撲相變特征。在拓撲相變發生時,伴隨著綁定在一起的渦旋對變為自由渦旋的過程。人們發現監督機器學習可以識別拓撲相變,然而非監督機器學習研究拓撲相變卻十分困難。

              報告人及合作者運用了監督機器學習方法研究滲流和XY模型的相變;提出使用Calinski-Harabaz系數, 以非監督機器學習方式,確定了XY模型拓撲相變點;提出一種輔助Ising映射的方案,以非監督的方式研究了滲流模型,以及在滲流模型表象下各種統計物理系統的相變。報告的一些結果對促進機器學習和統計物理的交叉融合有一定幫助作用。

              關鍵詞:監督學習,非監督學習,滲流模型,XY模型

              參考文獻:

              Phys. Rev. E 99, 032142 (2019)

              Phys. Rev. Research 3, 013074 (2021)

              Phys. Rev. E 105, 024144 (2022)

            附件下載:
            欧美另类杂交a,特黄作爱又粗又硬又大片,她高耸的双乳诱人的粉色奶头

                <em id="xltbt"><nobr id="xltbt"><meter id="xltbt"></meter></nobr></em>
                <form id="xltbt"><form id="xltbt"><nobr id="xltbt"></nobr></form></form>

                    <sub id="xltbt"><listing id="xltbt"><menuitem id="xltbt"></menuitem></listing></sub>

                      <address id="xltbt"></address>
                      <address id="xltbt"><listing id="xltbt"></listing></address>