ニューラルネットワークによるスキルミオンのための動的位相のビデオからの順序パラメータの学習【JST・京大機械翻訳】

Wang Weidi; Wang Zeyuan; Zhang Yinghui; Sun Bo; Xia Ke

プレプリント

J-GLOBAL ID：202202219520325987 整理番号：21P0067522

ニューラルネットワークによるスキルミオンのための動的位相のビデオからの順序パラメータの学習【JST・京大機械翻訳】

Learning Order Parameters from Videos of Dynamical Phases for Skyrmions with Neural Networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年12月02日プレプリントサーバーでの情報更新日： 2020年12月02日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

ビデオからの物理事象における動的現象(例えば動的相)と動的過程を認識する能力は,物理的概念を抽象化し,物理的法則を明らかにし,人間の知能のコアにある。本論文の主目的は,いくつかのビデオの動的位相を分類するためのニューラルネットワークを用いることであり,ニューラルネットワークがそれらから物理的概念を学習できることを実証することである。この目的のために,多重ニューラルネットワークを用いて,粒子ベースのスカイミオンモデルの静的位相(画像フォーマット)と動的位相(ビデオフォーマット)を認識する。その結果,事前知識のないニューラルネットワークは,これらの相を正しく分類できるだけでなく,シミュレーションで得られたものと一致する相境界も予測できることを示した。さらに,どのようなニューラルネットワークが学習されているかを解釈するためのパラメータ可視化方式を提案した。ニューラルネットワークは動的相のビデオから2次パラメータを学習でき,2次パラメータの臨界値を予測できることを示した。最後に,スカイミオン動的相のビデオを同定するために,2次パラメータのみが必要であることを示した。入力位相を完全に認識するために,このパラメータ可視化スキームを用いて,多くの秩序パラメータが必要とされる。本研究は,新しい物理的概念の発見におけるニューラルネットワークの将来の利用に光を当て,ビデオからの未知ではあるが物理的法則を明らかにする。【JST・京大機械翻訳】

, , , , , , , ,
, 【Automatic Indexing@JST】

図形・画像処理一般 , 人工知能

, , , , , ,

前のページに戻る