机器学习在相变中的应用 |
| |
引用本文: | 杨寓翔,李炜,申建民,王艳阳,庹奎,徐点,陈向娜,马飞.机器学习在相变中的应用[J].中国科学:物理学 力学 天文学,2023(9):141-154. |
| |
作者姓名: | 杨寓翔 李炜 申建民 王艳阳 庹奎 徐点 陈向娜 马飞 |
| |
作者单位: | 1. 华中师范大学物理科学与技术学院粒子物理研究所;2. 华中师范大学夸克与轻子物理教育部重点实验室;3. 保山学院工程技术学院 |
| |
基金项目: | 中央高校基本业务费(编号:CCNU19QN029);;国家自然科学基金(编号:11505071,61702207,61873104);;科技部“夸克物质物理创新引智基地2.0”(编号:BP0820038); |
| |
摘 要: | 机器学习中的神经网络模型,具有强大的数据分类和图形识别功能,在统计物理尤其是相变领域得到了非常广泛的应用.本文综述了近年来机器学习算法在主要相变模型中的应用进展.首先,介绍了主流机器学习算法的背景知识,及应用在平衡相变中的开创性工作.其次,以一个典型的非平衡相变模型——有向逾渗为例,详细介绍了课题组运用监督、无监督和半监督学习在相分类、临界点预测、临界指数测量的一些最新研究结果.接着阐述了机器学习算法在量子多体、软物质物理以及高能物理等领域中相变研究的相关工作.最后进行了相应讨论与展望.
|
关 键 词: | 机器学习 相变 非平衡相变 |
|
|