伊辛模型是一類描述物質(zhì)相變的隨機(jī)過(guò)程模型，在統(tǒng)計(jì)物理學(xué)中有著廣泛應(yīng)用。然而，精確求解三維乃至更高維伊辛模型的問(wèn)題仍然困擾著物理學(xué)家，這呼喚著科學(xué)方法的新變革。記者20日獲悉，由國(guó)防科技大學(xué)智能決策與目標(biāo)分析技術(shù)團(tuán)隊(duì)參與主導(dǎo)的一項(xiàng)國(guó)際合作研發(fā)出一種名為DIRAC(狄拉克)的深度強(qiáng)化學(xué)習(xí)框架，可有效求解三維乃至更高維度的伊辛模型的基態(tài)。相關(guān)研究成果發(fā)表于《自然·通訊》雜志上。

　　據(jù)了解，伊辛模型是復(fù)雜系統(tǒng)研究的經(jīng)典模型之一，有助于研究廣泛存在于自然、社會(huì)、人工復(fù)雜系統(tǒng)中的臨界現(xiàn)象。2021年的諾貝爾物理學(xué)獎(jiǎng)授予了羅馬大學(xué)的喬治·帕利西教授，以表彰他在復(fù)雜系統(tǒng)領(lǐng)域的研究，其中就包括他給出的伊辛模型基態(tài)在二維條件下的精確求解方法。然而，在三維乃至更高維度的條件下，伊辛模型基態(tài)求解問(wèn)題已被證明是非確定性多項(xiàng)式時(shí)間復(fù)雜性完全問(wèn)題(NP-complete)的組合優(yōu)化問(wèn)題，現(xiàn)有方法的求解質(zhì)量依然很難保證。

　　論文第一作者范長(zhǎng)俊副教授介紹，該研究將NP-complete組合優(yōu)化問(wèn)題轉(zhuǎn)化為序列決策問(wèn)題，利用圖神經(jīng)網(wǎng)絡(luò)模型，捕捉伊辛模型的晶格特征和節(jié)點(diǎn)間的長(zhǎng)程相互關(guān)聯(lián)。在不依賴人類專家經(jīng)驗(yàn)的前提下，只通過(guò)數(shù)據(jù)驅(qū)動(dòng)的方式自主學(xué)習(xí)最優(yōu)解求解策略。大量的實(shí)驗(yàn)表明，該方法相比目前已有方法可以大幅度提高三維乃至更高維度的伊辛模型基態(tài)求解質(zhì)量。相關(guān)成果對(duì)計(jì)算復(fù)雜性、運(yùn)籌優(yōu)化和復(fù)雜系統(tǒng)等領(lǐng)域的研究均有重要指導(dǎo)意義。

　　據(jù)悉，該框架由中國(guó)國(guó)防科技大學(xué)、哈佛大學(xué)、加州大學(xué)洛杉磯分校以及圣路易斯華盛頓大學(xué)等相關(guān)學(xué)者合作開(kāi)發(fā)。有關(guān)專家表示，未來(lái)，該模型有望用于新材料設(shè)計(jì)、伊辛量子機(jī)設(shè)計(jì)、復(fù)雜任務(wù)規(guī)劃求解以及復(fù)雜系統(tǒng)臨界現(xiàn)象分析等領(lǐng)域。