Aug, 2017
用神经网络进行机器学习拓扑不变量
Machine Learning Topological Invariants with Neural Networks
Pengfei Zhang, Huitao Shen, Hui Zhai
TL;DR本文研究如何使用神经网络在拓扑绝缘体中区分不同的拓扑相,经过训练,即使是大于训练数据的的 Hamiltonians winding number,神经网络也能够预测其拓扑缠绕数,证明了神经网络能够从局部输入中捕捉到量子相的全局和非线性拓扑特征。同时,本文确认了神经网络学到了离散版本的缠绕数公式,在运用机器学习到物理系统时,研究了对称性的作用和正则化技术的相反影响。