用量子反铁磁体中空穴的谱函数进行机器学习
强关联电子
2023-05-25 v1
摘要
在相互作用量子自旋背景中理解电荷运动，是量子多体物理中的基本问题。该问题被研究最广泛的模型是所谓的 --- 模型，其中在铜基超导体背景下确定参数 颇具挑战。本文利用两种机器学习技术：K 近邻回归（KNN）与前馈神经网络（FFNN），对 --- 模型中运动空穴的谱函数进行理论研究。我们采用自洽玻恩近似生成约 个谱函数的数据集。我们表明，对于正问题，两种方法均可准确高效地预测谱函数，从而例如实现参数空间的快速搜索。此外，我们发现对于反问题（从谱推断哈密顿量参数），FFNN 可以而 KNN 不能仅利用态密度准确预测模型参数。我们的结果表明，或可利用深度学习方法从实验测得的谱函数预测材料参数。
引用
@article{arxiv.2301.07906,
title = {Machine-learning the spectral function of a hole in a quantum antiferromagnet},
author = {Jackson Lee and Matthew R. Carbone and Weiguo Yin},
journal= {arXiv preprint arXiv:2301.07906},
year = {2023}
}
备注
10 pages, 10 figures, 1 table