A study of the scaling behavior of the two-dimensional Ising model by methods of machine learning

Методы машинного обучения стали новым быстро набирающим инструментом для исследования фазовых переходов в физике конденсированного состояния. В данной работе представлен метод расчета универсальных характеристик спиновых моделей на основе двумерной модели Изинга. Метод основан на использовании сверточной нейронной сети (CNN) с контролируемым обучением. Функции скейлинга доказывают непрерывный тип фазового перехода для двумерной модели Изинга. В результате применения предложенной методики стало возможным вычисление корреляционной длины.