پیش بینی رفتارهای توپولوژیکی مدل آیزینگ در شبکه مربع بر اساس الگوریتم های یادگیری عمیق

چکیده مقاله

شبکه های اسپین کوانتومی آرایشی از اسپین ها در بستر توپولوژیکی هستند بر اساس انواع آرایش اسپین در ابعاد توپولوژیکی ۱D/۲D/۳D، و همچنین هامیلتونی سیستم با توجه به قدرت اندرکنش بین اسپین همسایه ها در حضور میدان های مغناطیسی خارجی ، سیستم موردبررسی رفتارهای متفاوتی در مرحله ماکروسکوپی پدیدار خواهد نمود در این مقاله به بررسی قابلیت شبکه های عصبی یادگیری عمیق در تشخیص رفتار و پیش بینی فازهای مختلف شبکه های اسپینی برای هامیلتونی مدل آیزینگ می پردازیم در این هامیلتونی میدان مغناطیسی خارجی را همگن و شرایط مرزی متناوب را برای شبکه های توپولوژیکی مربعی دوبعدی روی یک چنبره در نظر گرفتیم دو مدل یادگیری شبکه عصبی کانولوشن CNN و شبکه عصبی چند لایه MLNN را با هم مقایسه شد و نتایج خود را در یادگیری مقایسه نمودیم در بررسی انجام شده هر دو روش یادگیری دقت و عملکرد خطای یکسانی را در نتایج یادگیری خود نمایان ساختند

کلیدواژه‌ها

نویسندگان

حسین عبدالملکی

گروه الگوریتم و محاسبات / دانشکده علوم مهندسی / پردیس دانشکدگان فنی / دانشگاه تهران، تهران

نیره مجد

گروه الگوریتم و محاسبات / دانشکده علوم مهندسی / پردیس دانشکدگان فنی / دانشگاه تهران، تهران

�بدالملکی، حسین و مجد، نیره،1403،پیش بینی رفتارهای توپولوژیکی مدل آیزینگ در شبکه مربع بر اساس الگوریتم های یادگیری عمیق،دومین کنفرانس ملی تحول دیجیتال و سیستم های هوشمند،لارستان

ارائه‌شده در

مجموعه مقالات دومین کنفرانس ملی تحول دیجیتال و سیستم های هوشمند5 اردیبهشت 1403 · لارستان