标量场理论的回归和生成神经网络

上传者: 38748718 | 上传时间: 2024-02-28 20:34:06 | 文件大小: 1013KB | 文件类型: PDF
我们在量子场论的背景下探索机器学习技术的观点。 特别是,我们讨论了在非零温度和化学势下的二维复标量场理论-一种具有非平凡相图的理论。 根据现场配置,成功地训练了神经网络,以识别该系统的不同阶段并预测各种可观察物的值。 我们分析了广泛的化学势,发现该网络很健壮,能够识别远离训练点的模式。 除了属于监督学习的回归分析之外,还提出了一种无监督的生成网络,以生成遵循特定分布的新量子场配置。 我们的生成模型自动捕获了物理配置满足的隐式局部约束。 我们详细介绍了这种生成方法在训练区域之外进行采样的潜在用途。

文件下载

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明