球面上 Fibonacci 晶格的 XY 模型机器学习
量子气体
2024-10-11 v2
摘要
受近期实现的球形受限原子气体启发，我们研究球面上的 XY 模型。我们引入比传统经纬度晶格均匀得多的球面晶格——Fibonacci 晶格，并使用经典蒙特卡洛模拟确定自旋构型。结果清晰显示，以涡旋形式存在的拓扑缺陷必存在于球面上的稳定构型中，但因一数学定理而在平面中消失。以这些自旋构型为训练样本，我们提出基于图卷积网络的方法识别不同相，并成功预测相变温度。我们还应用带噪声的基于密度的空间聚类（一种强大的机器学习算法）监测蒙特卡洛模拟期间球面上具有不同拓扑荷的两个涡旋的合并路径。我们的结果为未来微重力环境下球形晶格上受限超冷原子气体的天基实验提供了可靠预测。
引用
@article{arxiv.2109.00254,
title = {Machine learning of XY model on a spherical Fibonacci lattice},
author = {Chen-Hui Song and Qu-Cheng Gao and Xu-Yang Hou and Xin Wang and Zheng Zhou and Yan He and Hao Guo and Chih-Chun Chien},
journal= {arXiv preprint arXiv:2109.00254},
year = {2024}
}