سیمای فاز مدل هایزنبرگ: روش یادگیری ماشین
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
الگوریتم یادگیری ماشین به عنوان ابزرای قدرتمند، چشم انداز خوبی برای مطالعه فازهای مختلف ماده در زمینه فیزیک ماده چگال ترسیم می کند. در این مقاله سعی خواهیم کرد با بازبینی در فرمول بندی الگوریتم های شبکه عصبی عمیق، روشی نو جهت حل مسیله بهینه سازی سامانه های اسپینی، برای بررسی حالت پایه سامانه های مغناطیسی زیر دمای کوری، که تقارن دورانی اسپین به صورت خودبه خودی شکسته می شود، معرفی کنیم. با استفاده از روش شبکه یادگیری عمیق، سیمای فاز کلاسیکی مدل هایزنبرگ همسانگرد شبکه مربعی و شبکه لانه زنبوری را مطالعه کردیم. نتایج به دست آمده با روش یادگیری ماشین، با سیمای فاز کلاسیکی مدل هایزنبرگ که از دیگر روش های تحلیلی و محاسباتی پیدا شده، همخوانی کامل دارد. همچنین، در تحقیق حاضر که اساس آن بر یادگیری عمیق است، مزیت بالاتری نسبت به الگوریتم های تکاملی، که با چالش اساسی در حل مسیله های بهینه سازی مواجه اند، برخوردار است. بنابراین، توانایی الگوریتم های یادگیری ماشین نظیر شبکه عصبی عمیق در حل مسایل فیزیک ماده چگال، استفاده از آن را در مطالعه حالت پایه سامانه های مغناطیسی، اجتناب ناپذیر می سازد.
کلیدواژگان:
زبان:
فارسی
صفحات:
373 تا 385
لینک کوتاه:
magiran.com/p2560855
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!