人机协作：呼吸烧绿石晶格上秩2自旋液体的有序机制
强关联电子
2025-07-18 v3 其他凝聚态物理
摘要
机器学习算法依赖于高质量的大数据集。在这里，我们展示它们也能在数据量少且质量有限的典型研究环境中表现出色，这得益于机器与人类研究人员洞察力的相互作用。我们解决的问题是一个尚未解决的问题：由涌现的秩2 U(1)规范理论描述的自旋液体相的有序化，如[H. Yan et al., Phys. Rev. Lett. 124, 127203 (2020)]所述。已发表的针对该问题的蒙特卡洛模拟与强一级相变一致，但由于噪声过大，无法识别低温有序的形式。使用基于张量核支持向量机（TKSVM）的高度可解释机器学习方法，我们重新分析了这些蒙特卡洛数据，获得了关于有序形式的新信息，这些信息反过来可以被传统训练的物理学家解释。我们发现低温有序相是一种类似于近晶液晶的磁有序形式。这是由于一种微妙的热致有序-通过-无序机制产生的，该机制可以从母秩2规范理论的张量电场涨落中理解。这些结果是通过一个类似于人类研究人员与机器之间协作的反复过程获得的。我们认为这种“协作”方法可能为解决其他仅靠人类洞察力未能解决的问题提供蓝图。
引用
@article{arxiv.2402.10658,
title = {Human-machine collaboration: ordering mechanism of rank-2 spin liquid on breathing pyrochlore lattice},
author = {Nicolas Sadoune and Ke Liu and Han Yan and Ludovic D. C. Jaubert and Nic Shannon and Lode Pollet},
journal= {arXiv preprint arXiv:2402.10658},
year = {2025}
}