基于机器学习J1-J2反铁磁海森伯自旋链相变点的识别方法

摘要：

通过序参量来研究量子相变是比较传统的做法,而从机器学习的角度研究相变是一块全新的领域.本文提出了先采用无监督学习算法中的高斯混合模型对J1-J2反铁磁海森伯自旋链系统的态矢量进行分类,再使用监督学习算法中的卷积神经网络鉴别无监督学习算法给出的分类点是否是相变点的方法,并使用交叉验证的方法对学习效果进行验证.结果 表明,上述机器学习方法可以从基态精确找到J1-J2反铁磁海森伯自旋链系统的一阶相变点、无法找到无穷阶相变点,从第一激发态不仅能找到一阶相变点,还能找到无穷阶相变点.

关键词：海森伯J1-J2模型;机器学习;神经网络;相变

所属期刊栏目：70

分类号：TP391.41;TP18;O413

资助基金：国家自然科学基金;资助的课题

在线出版日期：2022-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：176-184