无序相互作用系统中竞争序态的多面机器学习
强关联电子
2019-11-06 v1 无序系统与神经网络
摘要
虽然分数量子霍尔区中的非微扰相互作用效应可通过精确对角化轻松模拟，但在存在竞争相互作用和无序的情况下，建立一种能够标记不同相的合适诊断方法一直具有挑战性。在此，我们引入一个使用简单人工神经网络（ANN）的多面框架，利用纠缠谱和电荷密度作为独立输入，来检测分数量子霍尔态、电荷密度波态和局域态的决定性特征。我们考虑了在填充分数 处，扰动相互作用（ 赝势 ）、无序势 和库仑相互作用的竞争效应。我们的相图在沿 和 轴的相边界先前估计值上表现良好，而这些区域是传统方法唯一被探索过的地方。此外，通过首次探索整个二维相图，我们确立了分数量子霍尔态的鲁棒性，并描绘出电荷密度波微乳液相——其中在电荷密度波完全无序之前出现了电荷密度波区域的液滴。因此，我们证实 ANN 能够利用纠缠谱和电荷密度的多面输入，访问并学习拓扑相以及对称性破缺相的决定性特征。
引用
@article{arxiv.1902.04079,
title = {Multi-faceted machine learning of competing orders in disordered interacting systems},
author = {Michael Matty and Yi Zhang and Zlatko Papic and Eun-Ah Kim},
journal= {arXiv preprint arXiv:1902.04079},
year = {2019}
}