گذار فاز مدل آیزینگ دو بعدی مربعی در میدان مغناطیسی همگن با استفاده از الگوریتم متروپولیس مونت کارلو و جداسازی فارهای مختلف به روش CNN

شبکه های اسپینی کوانتومی آرایشی از اسپین ها در بستر توپولوژیکی هستند. بر اساس انواع آرایش اسپین در ابعاد توپولوژیکی مختلف، و همچنین با توجه به نوع قدرت اندرکنش بین اسپین های همسایه در حضور میدان های مغناطیسی خارجی طبق هامیلتونی سیستم، رفتارهای متفاوتی در ابعاد ماکروسکوپی از سیستم مورد بررسی پدیدار خواهد شد. در این مقاله ابتدا فازهای مختلف شبکه آیزینگ دوبعدی با شرط پریودیک در حضور میدان مغناطیسی خارجی یکنواخت با استفاده از الگوریتم متروپولیس مونت کارلو (MP- MN) بررسی خواهد شد. سپس به بررسی قابلیت شبکه های عصبی یادگیری عمیق کانولوشنال نورال نت ورک (CNN) در تشخیص رفتار و پیش بینی فازهای مختلف شبکه های اسپینی برای هامیلتونی مدل آیزینگ دو بعدی در حضور میدان مغناطیسی همگن در دمای ثابت مورد بررسی قرار گرفت. در نهایت دقت یادگیری الگوریتم CNN در پیش بینی فازهای مختلف ارزیابی شد.

کلیدواژه ها:

کلمات کلیدی: شبکه های اسپینی کوانتومی ، هامیلتونی ، یادگیری عمیق ، شبکه عصبی کاونولوشن (CNN) مدل آیزینگ دوبعدی.