603 Нейросетевой анализ фазовых переходов в классических моделях

Буровский Евгений Андреевич

руководитель проекта

Старт

22.10.2022

Представление

03.11.2022

Постерная сессия

02.02.2023

Защита

17.04.2023

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

* Сравнение точности и надежности различных критериев определения точки фазового перехода в модели Изинга (бинарная кросс-энтропия, флуктуация вероятности принадлежности).
* Характеризация предсказательных возможностей нейросетевых подходов для фрустрированных моделей при обучении на нефрустрированной модели.

Форма и способы промежуточного контроля

Еженедельные обсуждения хода работы, доклады на семинарах проектной группы

Форма представления результатов

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

Ресурсное обеспечение

Cуперкомпьютерный комплекс HARISMA НИУ ВШЭ.

Имеющийся задел

* Достигнут значительный прогресс в решении задачи классификации фаз в модели Изинга с геометрическими фрустрациями методом обучения с учителем. * Получены предварительные результаты, указывающие на перспективность использования автоэнкодеров для задачи классификации фаз методом обучения без учителя.