基于扫描隧道显微镜的人工纳米尺度分子量子磁铁器能谱哈姆顿量学习
介观与纳米尺度物理
2025-09-11 v2 材料科学
摘要
从实验测量中提取纳米尺度量子磁铁器的哈姆顿量参数是量子物质研究中的重要挑战。本文建立一种机器学习策略，从扫描隧道显微镜的非弹性谱中提取自旋哈姆顿量参数，并通过实验演示了这一方法，其中包括基于钴相氮杂酚 (CoPC) 分子构成的人工纳米尺度分子磁铁器，其铺覆在NbSe 表面。我们表明，该技术允许我们从微导电规范中提取量子磁铁器的哈姆顿量参数，包括基片引起的交换耦合的空间变异。我们的方法论利用在有限量子磁铁器上使用张量网络进行的精确量子多体模拟训练的机器学习算法，形成一种可预测任意尺寸CoPC量子磁铁器哈姆顿量参数的方法。我们的结果表明，量子多体方法与机器学习如何使我们能够从扫描隧道谱仪中学习纳米尺度量子多体系统的微观描述。
引用
@article{arxiv.2504.20711,
title = {Hamiltonian Learning of Triplon Excitations in an Artificial Nanoscale Molecular Quantum Magnet},
author = {Rouven Koch and Robert Drost and Peter Liljeroth and Jose L. Lado},
journal= {arXiv preprint arXiv:2504.20711},
year = {2025}
}
备注
5 pages, 5 figures, supplementary information