文献

J-GLOBAL ID：202202290341475978   整理番号：22A0986659

補助Ising変数を利用したパーコレーションのための機械学習【JST・京大機械翻訳】

Machine learning for percolation utilizing auxiliary Ising variables

著者 (11件)： Zhang Junyin ( Hefei National Laboratory for Physical Sciences at the Microscale, University of Science and Technology of China, Hefei 230026, China) ,  Zhang Junyin (Department of Modern Physics, University of Science and Technology of China, Hefei 230026, China) ,  Zhang Bo ( Hefei National Laboratory for Physical Sciences at the Microscale, University of Science and Technology of China, Hefei 230026, China) ,  Zhang Bo (Department of Modern Physics, University of Science and Technology of China, Hefei 230026, China) ,  Xu Junyi (College of Physics and Optoelectronics, Taiyuan University of Technology, Shanxi 030024, China) ,  Zhang Wanzhou (CAS Key Laboratory of Quantum Information, University of Science and Technology of China, Hefei 230026, China) ,  Zhang Wanzhou (College of Physics and Optoelectronics, Taiyuan University of Technology, Shanxi 030024, China) ,  Deng Youjin ( Hefei National Laboratory for Physical Sciences at the Microscale, University of Science and Technology of China, Hefei 230026, China) ,  Deng Youjin (Department of Modern Physics, University of Science and Technology of China, Hefei 230026, China) ,  Deng Youjin (Shanghai Research Center for Quantum Sciences, Shanghai 201315, China) ,  Deng Youjin (MinJiang Collaborative Center for Theoretical Physics, College of Physics and Electronic Information Engineering, Minjiang University, Fuzhou 350108, China)
資料名： Physical Review. E  (Physical Review. E)
巻： 105  号： 2  ページ： 024144  発行年： 2022年 
JST資料番号： W0493A  ISSN： 2470-0045  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 相転移のための機械学習は,近年,集中的な研究関心を集めている。しかし,パーコレーションにおけるその応用は依然として困難である。相関パーコレーション表現における種々の統計的機械システムと同様に,標準パーコレーションの機械学習研究のための補助Isingマッピング法を提案した。教師なし機械学習は,システムの空間次元あるいは相転移のタイプに無関係にパーコレーション閾値を正確に位置決めでき,それは一次または連続である。さらに,ニューラルネットワーク機械学習により,異なる普遍性のための補助Ising構成を高い信頼レベルで分類できることを示した。著者らの結果は,その単純さにもかかわらず,補助Isingマッピング法が,統計的および凝縮-物質物理学における機械学習の応用を前進できることを示した。Copyright 2022 The American Physical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 凝縮 ,  閾値 ,  写像 ,  相転移 ,  ニューラルネットワーク ,  *パーコレーション ,  普遍性 ,  *機械学習
準シソーラス用語： パーコレーション閾値 ,  教師なし機械学習 , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  相転移・臨界現象一般  (BL04010V) ,  格子理論  (BA08030M)

タイトルに関連する用語 (3件)： 変数 ,  パーコレーション ,  機械学習