利用固态量子模拟器机器学习拓扑相
无序系统与神经网络
2019-06-04 v1 介观与纳米尺度物理
量子物理
摘要
我们报道了利用机器学习方法识别奇异拓扑相的实验演示，重点关注三维手性拓扑绝缘体。我们表明，卷积神经网络——一类在机器学习中广泛应用的深度前馈人工神经网络——可以被训练以从固态量子模拟器产生的实验原始数据中成功识别受手性对称性保护的不同拓扑相。我们的结果明确展示了机器学习在拓扑相实验探测中的卓越能力，为利用机器学习工具箱研究丰富的拓扑现象开辟了道路。
引用
@article{arxiv.1905.03255,
title = {Machine Learning Topological Phases with a Solid-state Quantum Simulator},
author = {Wenqian Lian and Sheng-Tao Wang and Sirui Lu and Yuanyuan Huang and Fei Wang and Xinxing Yuan and Wengang Zhang and Xiaolong Ouyang and Xin Wang and Xianzhi Huang and Li He and Xiuying Chang and Dong-Ling Deng and Lu-Ming Duan},
journal= {arXiv preprint arXiv:1905.03255},
year = {2019}
}
备注
Main text: 5 pages with 3 figures; supplemental materials: 8 pages with 4 figures and 2 tables; accepted at Physical Review Letters