一、什么是重整化群 重整化群(renormalization group)是物理里面一个处理多尺度问题的重要思想(Ken Wilson),其流程大概如下图 它的一些基本概念可以用一维的伊辛模型(Ising model)去解释,下面来了解一下,其哈密顿量为 先不考虑外磁场h,可得配分函数 其中 要求出配分函数就得处理上面的求和问题。 首先把求和划分一下 再对偶数的自旋进行求和 这样就降低了原来的求和自由度(粗粒化)。 一个很自然的问题是,N个spin和N/2个spin的配分函数函数是不是存在某种关系(耦合系数可以不一样)?答案是肯定的。假设存在这种函数关系 就可以得到 上面的转换关系也被称作Kadanoff transformation. 用s=s'=±1,s=-s'=±1代入就可以得到如下关系 令 就变成和自由能相关的量,可以得到重要的递归关系 这个递归关系和上面的变换关系就叫做重整化方程,容易证明K>K'。这个方程可以通过迭代求解 当然一维的伊辛模型不存在相变,因为下面两个不定点之间不存在其他的不定点。 二维可以做类似的变换(虽然复杂一点),不同的是这里存在一个相变。 二、深度学习 深度学习里面最简单的神经编码器Restricted Boltzmann Machines(RBM)和RG有精确的映射关系, 以一维伊辛模型为例: 更多细节参考:https:///abs/1410.3831 所以为什么深度学习能够工作的这么好,重整化群为其提供了一个全新的视角。返回搜狐,查看更多https://www.sohu.com/a/231856336_497779 |
|