机器学习揭示自旋子费米面特征

随着强相互作用量子哈密顿量模拟的快速发展，表征未知相的挑战成为科学进步的瓶颈。我们展示了一种量子-经典混合方法（QuCl），即用可解释的经典机器学习挖掘采样投影快照，能够揭示看似无特征量子态的印记。外加磁场下蜂窝晶格上的 Kitaev-Heisenberg 模型是检验 QuCl 的理想系统，其模拟发现了一个介于已知相之间的中间无能隙相（IGP），并引发了关于其难以捉摸本质的争论。我们使用在标记投影快照上训练的相关器卷积神经网络，结合正则化路径分析来识别各相的特征。我们表明 QuCl 能复现已知相的已有特征。重要的是，我们还在垂直于场方向的自旋通道中识别出了 IGP 的特征，将其解释为形成费米面的无能隙自旋子的 Friedel 振荡印记。我们的预测可指导未来对自旋液体的实验搜寻。