利用神经网络在多体局域化交叉区探测遍历泡
无序系统与神经网络
2021-11-10 v3 统计力学
斑图形成与孤子
计算物理
量子物理
摘要
遍历相与多体局域化相之间的转变预期通过雪崩机制发生：由于系统性质的局域涨落而产生的遍历泡（ergodic bubbles）使其周边热化，从而导致系统退局域化，除非无序足够强以阻止该过程。我们提出一种基于神经网络的算法，可利用实验可测量的双点关联函数来探测遍历泡。通过研究系统的时间演化，我们观察到在 MBL 区中遍历泡随时间的对数增长。在 MBL 区中，遍历泡尺寸的分布随时间演化收敛于指数衰减分布；而在临界区中则收敛于带热峰的幂律分布，从而支持了经雪崩机制退局域化的图景。我们的算法能够精确定位随机势与准周期势系统时间演化的定量差异，并识别稀有（Griffiths）事件。我们的结果为研究无序多体系统及其他系统的热化机制开辟了新途径。
引用
@article{arxiv.2106.01811,
title = {Detecting ergodic bubbles at the crossover to many-body localization using neural networks},
author = {Tomasz Szoldra and Piotr Sierant and Korbinian Kottmann and Maciej Lewenstein and Jakub Zakrzewski},
journal= {arXiv preprint arXiv:2106.01811},
year = {2021}
}
备注
version accepted in PRB Lett