English(EN) Predicting Euler Characteristics and Constructing Topological Structure Using Machine Learning Techniques

机器学习利用物理信息神经网络预测拓扑属性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-06 04:00

研究人员开发了一种新颖的机器学习技术，可以从图像中预测拓扑属性，特别是欧拉示性数。该模型从图像生成单位向量场，然后将其解释为自旋构型以计算斯格明子数。这种方法无需大量数据集即可学习构建手性磁性结构，而是依赖于单个几何图像和包含磁相互作用的物理信息损失函数。 AI

影响引入了一种使用机器学习从图像中提取复杂拓扑数据的新方法，可能有助于需要详细结构分析的领域。

排序理由这是一篇研究论文，详细介绍了一种用于从图像预测拓扑属性的新颖机器学习技术。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Gyunghun Yu (Department of Physics, Kyung Hee University, Seoul, South Korea), Seong Min Park (Department of Physics, Kyung Hee University, Seoul, South Korea), Han Gyu Yoon (Department of Physics, Kyung Hee University, Seoul, South Korea), Tae Jung Moon · 2026-05-06 04:00

Predicting Euler Characteristics and Constructing Topological Structure Using Machine Learning Techniques

arXiv:2605.02947v1 Announce Type: new Abstract: This study proposes a novel approach to extract topological properties, specifically the Euler characteristic, from input images using neural networks without relying on large pre-existing datasets but with a single geometric image.…