603 Нейросетевой анализ фазовых переходов в классических моделях

Буровский Евгений Андреевич

руководитель проекта

Старт

06.10.2020

Паспорт проекта

Аннотация

Применение нейросетевых технологий для изучения критических явлений (в первую очередь, определения положения критических точек и классификация фазовых состояний вещества), начатое в работе Carrasquilla & Melko, Nature Physics 13, 431–434 (2017), основывается на обучении нейронных сетей на ансамблях спиновых конфигураций, генерируемых алгоритмами Монте Карло. Предположительно, обученные нейронные сети в состоянии предсказывать фазовые состояния исходя из данных для систем малого размера (точнее:...

Отрасль

Информатика

Цель

Проверка применимости нейросетевых технологий для предсказания положения критических точек модельных систем.

Ожидаемые результаты

Нейронная сеть, обученная на реализациях петлевых конфигураций классических моделей (Изинга, Виллана и др), полученных из симуляций алгоритмом червя. Сравнительный анализ точности и надежности предсказаний положения критических точек традиционным и нейросетевым подходами.

Форма и способы промежуточного контроля

Заполнено автоматически

Форма представления результатов

Научный отчет, доклады на конференциях. По результатм выполнения проекта будет определена целесообразность подготовки публикации в журнал высшего уровня.