从有限子系统学习拓扑量子相
量子物理
2026-07-12 v1 统计力学
强关联电子
机器学习
摘要
表征量子拓扑相需要测量非局域弦序参量,这要求访问整个系统,而这在实验上通常不可行。在这项工作中,我们引入了一个数据高效的监督学习框架,通过从小型子系统识别量子相来规避这一限制。我们的协议利用由这些子系统的约化密度矩阵构建的量子核,该核可以在实验上高效估计。我们通过分类一维晶格上两个自旋模型的相图来基准测试我们的框架,即广义团簇-伊辛自旋-1/2链和各向异性Haldane自旋-1链。值得注意的是,当操作限制在少至一到四个位点时,我们的方法在相分类中实现了高精度,并且即使在中等系统尺寸上训练,也能推广到更长的链。这些发现表明,局域约化密度矩阵保留了全局拓扑相的关键特征,为表征量子多体系统的丰富相图提供了一条实用途径。
引用
@article{arxiv.2607.10656,
title = {Learning Topological Quantum Phases from Limited Subsystems},
author = {Mehran Khosrojerdi and Sougato Bose and Alessandro Cuccoli and Paola Verrucchi and Abolfazl Bayat and Leonardo Banchi},
journal= {arXiv preprint arXiv:2607.10656},
year = {2026}
}