首页|机器学习在相变中的应用

机器学习在相变中的应用

扫码查看
原文链接
  • 万方数据
  • 维普
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.
Machine learning applications in phase transitions

machine learningphase transitionnon-equilibrium phase transition

杨寓翔、李炜、申建民、王艳阳、庹奎、徐点、陈向娜、马飞

展开 >

华中师范大学物理科学与技术学院粒子物理研究所,武汉 430079

华中师范大学夸克与轻子物理教育部重点实验室,武汉 430079

保山学院工程技术学院,保山 678000

机器学习 相变 非平衡相变

中央高校基本科研业务费专项国家自然科学基金国家自然科学基金国家自然科学基金科技部夸克物质物理创新引智基地2.0项目保山学院国家级科研培育基金华中师范大学夸克与轻子物理教育部重点实验室项目

CCNU19QN029115050716170220761873104BP0820038BYPY202216QLPL2022P01

2023

10.1360/SSPMA-2023-0130

中国科学(物理学 力学 天文学)
中国科学院

中国科学(物理学 力学 天文学)

CSTPCDCSCD北大核心
影响因子：0.644
ISSN：1674-7275
年,卷(期)：2023.53(9)
  • 1