机器学习纠缠自由度：或我如何学会停止担忧并爱上线性回归
强关联电子
2019-10-04 v1 无序系统与神经网络
摘要
量子多体系统实现了许多不同的物质相，以其奇异的涌现现象为特征。虽然这些性质的某些简单版本可以出现在自由费米子系统中，但它们的出现通常意味着物理由相互作用哈密顿量支配。相互作用距离已通过纠缠谱成功用于量化各种物质态中相互作用的效应 [Nat. Commun. 8, 14926 (2017), arXiv:1705.09983]。相互作用距离的计算归结为一个全局优化问题，其目标是搜索最接近给定纠缠谱的自由费米子纠缠谱。在这项工作中，我们采用机器学习技术来执行同一任务。在监督学习设置中，我们使用通过计算相互作用距离获得的标记数据，并通过线性回归预测其值。转向半监督设置，我们训练一个自动编码器来估计相互作用距离的替代度量，并表明其行为方式相似。
引用
@article{arxiv.1803.01035,
title = {Machine Learning Entanglement Freedom Or: How I Learned to Stop Worrying and Love Linear Regression},
author = {Samuel Spillard and Christopher J. Turner and Konstantinos Meichanetzidis},
journal= {arXiv preprint arXiv:1803.01035},
year = {2019}
}
备注
9 pages, 6 figures, conference "Quantum Techniques in Machine Learning"