机器学习辅助的蒙特卡洛在采样计算难题时失败
摘要：机器学习在提高蒙特卡洛采样效率方面最近提出了几种策略。在这里，我们通过考虑一类已知在低温下使用传统的局部蒙特卡洛方法进行采样是指数级难度的问题，对这些方法进行了挑战。特别是，我们研究了随机图上的反铁磁Potts模型，这在零温下等同于随机图的着色问题。我们测试了几种机器学习辅助的蒙特卡洛方法，并发现它们都失败了。因此，我们的工作为未来的智能采样算法提供了良好的基准。
作者：Simone Ciarella, Jeanne Trinquier, Martin Weigt and Francesco Zamponi
论文ID：2210.11145
分类：Disordered Systems and Neural Networks
分类简称：cond-mat.dis-nn
提交时间：2023-03-15