Аннотация: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.