机器学习多体局域化：搜寻难以捉摸的非遍历金属相

具有单粒子迁移率边的孤立量子系统中遍历性的破缺是一个尚未被完全理解的有趣课题。特别地，在一维准周期势存在下是否存在非遍历但金属性的相，目前正处于活跃争论中。在本快报中，我们开发了一种基于神经网络的方法，以多体纠缠谱作为唯一诊断手段，在原型模型中研究这一非遍历金属相的存在性。我们发现，该方法以高置信度识别出在中等准周期势强度下中谱处存在非遍历金属相。我们基于神经网络的方法展示了监督式机器学习如何不仅可用于定位相边界，还可提供一种明确检验新相是否存在的方式。