مقاله جستجوی انتقال فاز نفوذ در مدل ISING سه بعدی با یادگیری ماشین

چکیده

The percolation phase transition plays a significant role in understanding the Quantum Chromodynamics (QCD) phase diagram, particularly in the study of the Quark-gluon Plasma and the critical point in high energy nuclear physics. It is expected that the QCD critical point belongs to the three-dimensional (3D) Ising universality class. In this study, we explore the percolation phase transition within the 3D cubic Ising model by employing two machine learning algorithms: Principal Component Analysis and the Domain Adversarial Neural Network. Our findings reveal the effectiveness of machine learning techniques in distinguishing different phases during the percolation transition. Through the finite-size scaling analysis on the output of the neural networks, the critical temperature and a correlation length exponent in the geometrical percolation transition are extracted and compared to those in the thermal magnetization phase transition within the 3D Ising model. These results offer valuable insights to our understanding of QCD phase transitions in relativistic heavy-ion collisions.

چکیده به فارسی (ترجمه ماشینی)

انتقال فاز نفوذ در درک نمودار فاز کرومودینامیک کوانتومی (QCD) نقش مهمی ایفا می کند ، به ویژه در مطالعه پلاسما کوارک گلوئون و نکته مهم در فیزیک هسته ای انرژی بالا.انتظار می رود که نقطه بحرانی QCD متعلق به کلاس جهانی سه بعدی (3D) باشد.در این مطالعه ، ما با استفاده از دو الگوریتم یادگیری ماشین: تجزیه و تحلیل مؤلفه اصلی و شبکه عصبی مخالف دامنه ، انتقال فاز نفوذ در مدل ISING مکعب سه بعدی را بررسی می کنیم.یافته های ما اثربخشی تکنیک های یادگیری ماشین را در تمایز مراحل مختلف در طول انتقال نفوذ نشان می دهد.از طریق تجزیه و تحلیل مقیاس بندی اندازه محدود بر روی خروجی شبکه های عصبی ، دمای بحرانی و یک بازده طول همبستگی در انتقال نفوذ هندسی استخراج می شود و با آنهایی که در انتقال فاز مغناطیس حرارتی در مدل ISING سه بعدی مقایسه می شوند ، مقایسه می شوند.این نتایج بینش ارزشمندی را برای درک ما از انتقال فاز QCD در برخورد با یون سنگین نسبیت گرا ارائه می دهد.