研究人员开发了最小的神经网络，能够反转二维Ising模型中的重整化群粗粒化过程。这些网络能够概率性地重建尺度不变分布，并以少至三个可训练参数生成临界构型。模型成功地重现了可观测量值的标度行为，并捕获了重整化群变换的非平凡特征值，这表明简单的局部规则可以编码临界现象的普适性。 AI
影响 展示了简单生成模型捕获复杂物理现象的潜力，可能影响未来用于科学发现的AI架构。
排序理由 这是一篇关于arXiv的arXiv研究论文，详细介绍了一种在统计物理学中生成模型的新方法。[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 →
