Utilizing convolutional neural networks for temperature-based analysis of two-dimensional ising model configurations

Bu çalışma, karmaşık fiziksel sistemlerle ilgili verileri sınıflandırmak için Evrişimli Sinir Ağları'nın uygulanmasını araştırmakta olup, özellikle İki Boyutlu Ising Modeli ve bu modelin sıcaklığa bağlı ferromanyetik davranışına odaklanmaktadır. Bu çalış- manın motivasyonu, sistemin farklı sıcaklık bölgelerinde (kritik altı, kritik ve kritik üstü sıcaklıklar) fazları ayırt edebilmek için Evişimli Sinir Ağlarının sınıflandırma be- cersini test etmektir. Üç farklı sinir ağı mimarisi uygulanmış ve performansları, simüle edilmiş konfigürasyonlardan oluşan bir veri kümesi kullanılarak değerlendirilmiştir. Sonuçlar, modellerin sıcaklıkla ilgili fazları tahmin etmede yüksek doğruluk sağladığını göstererek, Evrişimli Sinir Ağlarının karmaşık fiziksel sistemlerdeki örüntüleri yakala- madaki etkinliğini ortaya koymaktadır. Bu bulgular, Evrişimli Sinir Ağlarının fizik bilimlerindeki anlaşılmasına katkıda bulunmakta ve makine öğrenimi tekniklerinin diğer karmaşık sistemlere de potansiyel olarak uygulanabileceğini önermektedir. Gele- cekteki çalışmalar, model mimarilerinin iyileştirilmesine ve diğer örgü yapılarının analizine odaklanabilir.