机器学习方法研究渗流和XY模型相变
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 机器学习的背景 | 第10页 |
| 1.2 机器学习的分类和应用 | 第10-11页 |
| 1.3 神经网络在多体物理中的应用 | 第11-12页 |
| 1.4 模型介绍 | 第12-15页 |
| 1.5 本文的研究动机 | 第15-17页 |
| 1.6 本章小结 | 第17-18页 |
| 第二章 算法介绍 | 第18-25页 |
| 2.1 t-SNE 算法 | 第18-19页 |
| 2.2 FCN 算法 | 第19-21页 |
| 2.3 CNN 算法 | 第21-23页 |
| 2.4 Metropolis 算法 | 第23页 |
| 2.5 Wolff 算法 | 第23页 |
| 2.6 Swendsen-Wang 算法 | 第23-24页 |
| 2.7 本章小结 | 第24-25页 |
| 第三章 数值模拟结果分析 | 第25-39页 |
| 3.1 t-SNE 分析点棒渗流 | 第25-27页 |
| 3.2 FCN 分析点棒渗流 | 第27-29页 |
| 3.3 CNN 分析点棒渗流 | 第29-30页 |
| 3.4 一种不同的训练方法 | 第30-31页 |
| 3.5 XY模型分析 | 第31-33页 |
| 3.6 广义XY模型分析 | 第33-38页 |
| 3.7 本章小结 | 第38-39页 |
| 第四章 总结和展望 | 第39-41页 |
| 参考文献 | 第41-47页 |
| 附录 任意子在一维光晶格中的超固体相 | 第47-54页 |
| 致谢 | 第54-55页 |
| 硕士阶段科研成果 | 第55页 |
