 |
|
|
| (Lunch Seminar) 变分自回归神经网络求解统计力学问题 |
| CAS Key Laboratory of Theoretical Physics | | Institute of Theoretical Physics | | Chinese Academy of Sciences | | Lunch Seminar | | Title 题目 | | | Speaker 报告人 | | | Affiliation 所在单位 | | | Date 日期 | | | Venue 地点 | 理论所主楼322报告厅 | | Abstract 摘要 | 如何准确地计算多粒子系统的自由能，热力学量，以及给出系统的无偏采样，是统计物理的核心问题之一。自上世纪初以来，统计物理学家建立了各种各样的理论和方法来处理此类问题，其中包括马尔科夫链蒙特卡洛，张量网络，重整化群，平均场近似及消息传递算法等等。在实际应用中，这些方法各有其优劣。 在这个报告中，张潘将介绍一种新的统计力学问题的计算方法---变分自回归神经网络(Variational Autoregressive Networks)。这个方法拓展了传统意义上的平均场方法，用自回归神经网络构建变分的概率分布，并通过强化学习的方法训练网络，进而可以同时计算系统的自由能上界，测量系统的能量，熵及各种热力学量，并直接无偏地对系统采样。 报告中张潘首先会从更广的角度描述统计物理的基本问题和机器学习中的非监督学习所具有的天然的联系，然后介绍变分自回归网络，如何利用它求解统计力学的基本问题，以及此方法在伊辛模型，自旋玻璃以及统计物理反问题中的应用。 | | Contact Person 所内联系人 | Sen Zhou | |
|
 |
|
