이방성 스핀계 임계 거동 평가를 위한 머신러닝
다양한 재료의 특성을 이해하기 위해서는 상전이를 적절히 나타내고 임계 시스템 매개변수를 평가하는 계산 모델이 필수적입니다. 본 연구에서는 이방성 스핀계의 임계점을 식별하기 위한 머신러닝(ML) 기반 접근 방식을 제안합니다. 제안하는 방법은 몬테카를로 시뮬레이션을 통해 얻은 상관 행렬로부터 컨볼루션 신경망(CNN) 모델을 훈련시키는 것입니다. 사전 훈련된 모델은 임계 온도의 빠른 예측기로 활용되며, CNN 모델 추론에서 여러 보완적인 방식으로 추출하여 분석의 견고성을 향상시킵니다. 본 연구에서 얻은 ML 기반 추정치는 참조 몬테카를로 시뮬레이션 결과와 매우 잘 일치합니다. 특히 계산 비용은 기존 열역학적 접근 방식에 비해 약 10배 낮습니다. 이러한 결과는 재료 과학 분야에서 복잡한 상전이 현상을 효율적으로 분석하고 예측하는 데 머신러닝의 잠재력을 보여줍니다. 이는 새로운 재료 설계 및 특성 최적화에 기여할 수 있습니다.