卷积神经网络在拓扑绝缘体量子渗流中的应用
介观与纳米尺度物理
2019-11-19 v2 无序系统与神经网络
摘要
安德森绝缘体、扩散金属、Weyl/Dirac半金属以及拓扑绝缘体等量子材料相在实空间与傅里叶空间中均展现特定波函数。这些特征可被卷积神经网络很好地捕捉，并已获得标准方法不适用的相图。其中一个例子是随机晶格情形，如量子渗流。在此，我们通过卷积神经网络分析波函数，研究具有随机空位的拓扑绝缘体，即拓扑绝缘体中的量子渗流。拓扑绝缘体中的空位尤为有趣，因为在空位周围会形成奇特的束缚态。我们表明仅需百分之几的空位即可引发拓扑相变。该结果通过局域化长度、态密度与波包动力学的独立计算得以证实。
引用
@article{arxiv.1910.03194,
title = {Application of Convolutional Neural Network to Quantum Percolation in Topological Insulators},
author = {Tomohiro Mano and Tomi Ohtsuki},
journal= {arXiv preprint arXiv:1910.03194},
year = {2019}
}
备注
published version. Open access