基于神经网络波函数、关联比与能级谱精细量子多体求解器揭示的狄拉克型节点自旋液体
强关联电子
2021-08-17 v6 无序系统与神经网络
统计力学
超导电性
量子物理
摘要
追寻不具备常规可测物体性质的分数量子化粒子（如真空中电子等裸粒子及磁子等的元激发）是物理学中的挑战。本文表明，一种达到最先进精度的量子多体系统机器学习方法，在自旋-1/2阻挫海森堡模型中（方晶格上最近邻与次近邻交换分别记为与），令人信服地揭示了区域内量子自旋液体（QSL）相的存在。这通过结合称为关联比与能级谱方法的尖端计算方案以削弱有限尺寸效应而实现。基态关联与激发谱间的定量一一对应使得可靠辨识与估计QSL及其性质成为可能。含单态与三重态无能隙类狄拉克色散的自旋激发谱，标志着独特QSL相中无能隙分数量化自旋-1/2狄拉克型自旋子的涌现。揭示了未探索的临界行为：尼尔反铁磁与二聚体关联共存且呈双重幂律衰减。两关联的幂律衰减指数在QSL相中随变化不同而各异，故除满足两关联对称性的单点外取值不同。与铜基波超导体激发的同构暗示了本QSL与超导的紧密关联。该成就表明，主要限于基准测试的机器学习量子态表示，是探究量子多体物理重大挑战的有力工具。
引用
@article{arxiv.2005.14142,
title = {Dirac-type nodal spin liquid revealed by refined quantum many-body solver using neural-network wave function, correlation ratio, and level spectroscopy},
author = {Yusuke Nomura and Masatoshi Imada},
journal= {arXiv preprint arXiv:2005.14142},
year = {2021}
}
备注
18 pages, 17 figures, 2 tables, accepted for publication in Phys. Rev. X