利用机器学习从零偏压峰测量中探测马约拉纳零模
介观与纳米尺度物理
2023-10-31 v1 材料科学
摘要
马约拉纳零模（MZMs）作为携带非阿贝尔统计的奇异准粒子，在实现容错拓扑量子计算方面具有巨大前景。MZMs存在的一个关键特征是来自隧穿微分电导的零偏压峰（ZBPs）。然而，由于存在产生伪ZBPs信号的拓扑平庸态，从ZBPs中识别MZMs面临巨大挑战。在这项工作中，我们引入了一个机器学习框架，可利用ZBPs数据将MZM与其他信号区分开来。通过紧束缚模型的量子输运模拟生成训练数据，而持续同调分析证实了通过机器学习进行分类的可行性。特别地，即使在加入数据噪声的情况下，XGBoost分类器对一维隧穿电导数据达到的准确率，对包含塞曼分裂的二维数据达到的准确率。对先前ZBPs实验的测试表明，部分数据比其他数据更可能源自MZM。我们的模型提供了一种利用ZBPs数据评估MZMs的定量方法。此外，我们的结果揭示了在实验与计算融合的奇异量子系统中使用机器学习的前景。
引用
@article{arxiv.2310.18439,
title = {Machine learning detecting Majorana Zero Mode from Zero Bias Peak measurements},
author = {Mouyang Cheng and Ryotaro Okabe and Abhijatmedhi Chotrattanapituk and Mingda Li},
journal= {arXiv preprint arXiv:2310.18439},
year = {2023}
}