机器学习辅助推导金属磁体的有效低能模型
强关联电子
2025-04-15 v2
摘要
我们考虑从具有经典局域磁矩的 Kondo 晶格模型(KLM)中提取有效低能自旋模型的问题。有效自旋-自旋相互作用对 Kondo 交换 的非解析依赖排除了在零温下使用超越二阶 Ruderman-Kittel-Kasuya-Yosida (RKKY) 相互作用的微扰理论的可能性。在此我们引入一种机器学习(ML)辅助方案，通过对原始 KLM 的传导电子进行积分，提取有效的二自旋与四自旋相互作用。所得有效自旋模型重现了原始 KLM 作为磁场和易轴各向异性函数的相图，并揭示了导致场诱导斯格明子晶体相的有效四自旋相互作用。此外，该最小自旋模型能够以远低于原始 KLM 的数值代价高效计算静态与动力学性质。将有效模型与原始 KLM 在全极化相中计算的动力学自旋结构因子进行比较，尽管训练数据集中未包含该信息，两者在磁子色散上仍表现出良好一致。
引用
@article{arxiv.2212.09796,
title = {Machine learning assisted derivation of effective low energy models for metallic magnets},
author = {Vikram Sharma and Zhentao Wang and Cristian D. Batista},
journal= {arXiv preprint arXiv:2212.09796},
year = {2025}
}