从神经网络流中的Berezinskii-Kosterlitz-Thouless过渡
摘要：使用神经网络流（NN流）方法研究具有$q \geq 4$维2维q态钟模型的Berezinskii-Kosterlitz-Thouless（BKT）相变。 NN流由一系列相同的单元组成，以执行流程。该单元是通过无监督学习以蒙特卡洛配置数据训练的变分自动编码器（VAE）。为了衡量不同温度下蒙特卡洛配置的系列之间的差异以及NN流动态的状态系列的独特性，我们采用Jesen-Shannon散度（JSD）作为信息距离度量“温度计”。该JSD温度计比较了两个状态集合的平均磁化概率分布函数。我们的结果表明，NN流会将任意自旋状态流向固定点状态集合中的某个状态。相应的固定点集合的JSD具有独特的特征，可以帮助确定底层蒙特卡洛配置的BKT相变的临界温度。
作者：Kwai-Kong Ng and Ching-Yu Huang and Feng-Li Lin
论文ID：2208.00679
分类：Disordered Systems and Neural Networks
分类简称：cond-mat.dis-nn
提交时间：2022-08-02