无序介质中电子关联的机器学习
强关联电子
2019-02-18 v1 无序系统与神经网络
机器学习
摘要
从数据中学习已在计算材料科学中引发范式转变。特别地，已有研究表明神经网络可通过样本学习势能面与原子间作用力，从而避开计算昂贵的密度泛函理论计算。我们将多体技术与深度学习方法相结合，证明一个全连接神经网络能够学习强关联系统中电子的复杂集体行为。具体而言，我们考虑 Anderson-Hubbard (AH) 模型，它是研究电子关联与强局域化之间相互作用的典型系统。方晶格上 AH 模型的基态通过实空间 Gutzwiller 方法获得。所得解用于训练一个多任务多层神经网络，随后该网络可在给定邻域无序势作为输入时，准确预测诸如双占据局域概率与准粒子权重等量。
引用
@article{arxiv.1810.02323,
title = {Machine learning electron correlation in a disordered medium},
author = {Jianhua Ma and Puhan Zhang and Yaohua Tan and Avik W. Ghosh and Gia-Wei Chern},
journal= {arXiv preprint arXiv:1810.02323},
year = {2019}
}
备注
6 pages, 3 figures