ИСТИНА

Для определения точки фазового перехода можно использовать классические методы статистической физики, например, анализ поведения теплоемкости системы. В данной работе мы для определения критической температуры используем современные методы машинного обучения, набирающие популярность в различных областях науки, в том числе в физике конденсированного состояния. На выборке конфигураций, соответствующих высоким и низким температурам, обучена свёрточная нейронная сеть (CNN), хорошо зарекомендовавшая себя для обработки графических данных и распознавания образов. Обученная нейросеть в дальнейшем применяется для анализа конфигураций при промежуточных температурах и предсказания критической температуры фазового перехода. Сравнение с известным значением, полученным классическими методами, подтверждает хорошую точность предсказания нейросети