研究人员采用机器学习技术绘制了 Vicsek 群集模型的相图。通过分析模拟数据并使用 K-Means 聚类，他们将数据点分类为无序、有序或共存相。然后，他们在一个神经网络上训练了这些分类，在预测相行为方面达到了 0.92 的准确率，并扩展了已知的相边界。 AI
影响 展示了一种将稀疏模拟数据系统地转化为集体运动模型全局相图的方法。
排序理由 学术论文，详细介绍了机器学习在物理模型中的应用。
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →
机器学习以 92% 的准确率绘制 Vicsek 模型相图
报道来源 [3]
-
利用机器学习绘制 Vicsek 模型相图
arXiv:2604.28167v1 Announce Type: cross Abstract: In this study, we use machine learning to classify and interpolate the phase structure of the Vicsek flocking model across the three-dimensional parameter space $(\eta,\rho,v_0)$. We construct a dataset of simulated parameter poin…
-
利用机器学习绘制 Vicsek 模型相图
In this study, we use machine learning to classify and interpolate the phase structure of the Vicsek flocking model across the three-dimensional parameter space $(η,ρ,v_0)$. We construct a dataset of simulated parameter points and characterize each point using long-time dynamical…
-
利用机器学习绘制 Vicsek 模型相图
In this study, we use machine learning to classify and interpolate the phase structure of the Vicsek flocking model across the three-dimensional parameter space $(η,ρ,v_0)$. We construct a dataset of simulated parameter points and characterize each point using long-time dynamical…