稀释双交换模型中的类 Ruderman-Kittel-Kasuya-Yosida 有效相互作用：自学习蒙特卡洛方法
无序系统与神经网络
2021-02-22 v3 强关联电子
摘要
我们研究了位点稀释双交换（DE）模型及其有效的类 Ruderman-Kittel-Kasuya-Yosida 相互作用，其中局域自旋随机分布，并使用了自学习蒙特卡洛（SLMC）方法。SLMC 方法是一种利用可训练有效模型加速马尔可夫链蒙特卡洛模拟的技术。我们将 SLMC 方法应用于位点稀释 DE 模型，以探索该方法在随机体系中的效用。我们检验了接受率并研究了强耦合区中有效模型的性质。位点稀释 DE 模型中的有效两体自旋-自旋相互作用能以高接受率描述原始 DE 模型，该接受率依赖于温度和自旋浓度。这些结果支持了一种可能性，即 SLMC 方法可在临界温度附近存在临界慢化或低温下出现冻结问题的随机体系中获取独立构型。
引用
@article{arxiv.2005.06992,
title = {Effective Ruderman-Kittel-Kasuya-Yosida-like interaction in diluted double-exchange model: self-learning Monte Carlo approach},
author = {Hidehiko Kohshiro and Yuki Nagai},
journal= {arXiv preprint arXiv:2005.06992},
year = {2021}
}
备注
9 pages, 9 figures