伊辛模型是一類描述物質(zhì)相變的隨機過程模型，在統(tǒng)計物理學中有著廣泛應用。然而，精確求解三維乃至更高維伊辛模型的問題仍然困擾著物理學家，這呼喚著科學方法的新變革。記者20日獲悉，由國防科技大學智能決策與目標分析技術(shù)團隊參與主導的一項國際合作研發(fā)出一種名為DIRAC(狄拉克)的深度強化學習框架，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、人工復雜系統(tǒng)中的臨界現(xiàn)象。2021年的諾貝爾物理學獎授予了羅馬大學的喬治·帕利西教授，以表彰他在復雜系統(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)求解問題已被證明是非確定性多項式時間復雜性完全問題(NP-complete)的組合優(yōu)化問題，現(xiàn)有方法的求解質(zhì)量依然很難保證。

　　論文第一作者范長俊副教授介紹，該研究將NP-complete組合優(yōu)化問題轉(zhuǎn)化為序列決策問題，利用圖神經(jīng)網(wǎng)絡模型，捕捉伊辛模型的晶格特征和節(jié)點間的長程相互關(guān)聯(lián)。在不依賴人類專家經(jīng)驗的前提下，只通過數(shù)據(jù)驅(qū)動的方式自主學習最優(yōu)解求解策略。大量的實驗表明，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)成果對計算復雜性、運籌優(yōu)化和復雜系統(tǒng)等領(lǐng)域的研究均有重要指導意義。

　　據(jù)悉，該框架由中國國防科技大學、哈佛大學、加州大學洛杉磯分校以及圣路易斯華盛頓大學等相關(guān)學者合作開發(fā)。有關(guān)專家表示，未來，該模型有望用于新材料設計、伊辛量子機設計、復雜任務規(guī)劃求解以及復雜系統(tǒng)臨界現(xiàn)象分析等領(lǐng)域。