Показать сокращенную информацию
A Study of the Scaling Behavior of the Two-dimensional Ising Model by Methods of Machine Learning
Автор | Chubarova, Alina A. | en |
Автор | Mamonova, Marina V. | en |
Автор | Prudnikov, Pavel V. | en |
Автор | Чубарова, Алина А. | ru_RU |
Автор | Мамонова, Марина В. | ru_RU |
Автор | Прудников, Павел В | ru_RU |
Дата внесения | 2024-03-11T05:50:37Z | |
Дата, когда ресурс стал доступен | 2024-03-11T05:50:37Z | |
Дата публикации | 2024-04 | |
URI (для ссылок/цитирований) | https://elib.sfu-kras.ru/handle/2311/152676 | |
Аннотация | In the field of condensed matter physics, machine learning methods have become an increas- ingly important instrument for researching phase transitions. Here we present a method for calculating the universal characteristics of spin models using an Ising model that is exactly solvable in two dimen- sions. The method is based on a convolutional neural network (CNN) with controlled learning. The scaling functions prove the continuing type of phase transition for the 2D Ising model. As a result of the proposed technique, it has been possible to calculate correlation length directly | en |
Аннотация | Методы машинного обучения стали новым быстро набирающим инструментом для исследования фазовых переходов в физике конденсированного состояния. В данной работе представлен метод расчета универсальных характеристик спиновых моделей на основе двумерной модели Изинга. Метод основан на использовании сверточной нейронной сети (CNN) с контролируемым обучением. Функции скейлинга доказывают непрерывный тип фазового перехода для двумерной модели Изинга. В результате применения предложенной методики стало возможным вычисление корреляционной длины | ru_RU |
Язык | en | en |
Издатель | Journal of Siberian Federal University. Сибирский федеральный университет | en |
Тема | machine learning | en |
Тема | convolutional neural networks | en |
Тема | Monte Carlo methods | en |
Тема | Ising model | en |
Тема | scaling | en |
Тема | correlation length | en |
Тема | magnetic susceptibility | en |
Тема | машинное обучение | ru_RU |
Тема | сверточные нейронные сети | ru_RU |
Тема | методы Монте–Карло | ru_RU |
Тема | модель Изинга | ru_RU |
Тема | скейлинг | ru_RU |
Тема | корреляционная длина | ru_RU |
Тема | магнитная восприимчивость | ru_RU |
Название | A Study of the Scaling Behavior of the Two-dimensional Ising Model by Methods of Machine Learning | en |
Альтернативное название | Исследование скейлингового поведения двумерной модели Изинга методами машинного обучения | ru_RU |
Тип | Journal Article | en |
Контакты автора | Chubarova, Alina A.: Dostoevsky Omsk State University Omsk, Russian Federation; ChubarovaAA@omsu.ru https://orcid.org/0009-0009-0414-1963 | en |
Контакты автора | Mamonova, Marina V. : Dostoevsky Omsk State University Omsk, Russian Federation; mamonova_mv@mail.ru https://orcid.org/0000-0001-7466-086X | en |
Контакты автора | Prudnikov, Pavel V.: Center of New Chemical Technologies BIC Boreskov Institute of Catalysis SB RAS Omsk, Russian Federation; prudnikp@ihcp.ru https://orcid.org/0000-0002-6522-2873 | en |
Контакты автора | Чубарова, Алина А.: Омский государственный университет им. Ф. И. Достоевского Омск, Российская Федерация | ru_RU |
Контакты автора | Мамонова, Марина В. : Омский государственный университет имени Достоевского Омск, Российская Федерация | ru_RU |
Контакты автора | Прудников, Павел В.: Центр новых химических технологий ИК СО РАН Омск, Российская Федерация | ru_RU |
Страницы | 238–245 | ru_RU |
Журнал | Журнал сибирского федерального университета. 2024 17(2). Journal of Siberian Federal University. Mathematics & Physics. 2024 17(2) | en |
EDN | MDLPVA |