التعلم الآلي لمؤشرات النظام الصريحة: من نموذج إيسين إلى نظرية قياس الشبكات SU(2)

نقدم حلاً لمشكلة تفسير الشبكات العصبية التي تصنف أطوار المادة. نضع إجراءً لإعادة بناء دالة القرار للشبكة العصبية الاصطناعية كدالة بسيطة للمدخلات، بشرط أن تكون دالة القرار متجانسة بما فيه الكفاية. في هذه الحالة، يمكننا بسهولة استنتاج الكمية التي من خلالها تصنف الشبكة العصبية المدخلات. تُطبق الطريقة على نموذج إيسين ونظرية قياس الشبكات SU(2). في كلا النظامين، نستنتج التعابير الصريحة لمؤشرات النظام من دوال القرار للشبكات العصبية. نفترض عدم وجود معرفة مسبقة حول الهاميلتوني أو مؤشرات النظام باستثناء التكوينات التي تم أخذ عينات منها بواسطة مونت كارلو.