基于态密度与机器学习预测拓扑不变量及非常规超导配对

磁性与超导性之间的竞争可能导致非常规和拓扑超导。然而，目前实验上确认马约拉纳边缘态和非常规配对的存在仍是一项重大挑战。本文考虑了一个具有自旋-轨道耦合以及与随机分布磁性杂质交换耦合的超导体的二维晶格模型。根据模型参数，该系统可能表现出拓扑平凡或非平凡的边缘态。我们通过计算 Bott 指数（一种在实空间定义的拓扑不变量）来绘制相图。然后，我们使用机器学习算法从零能局域态密度预测 Bott 指数，获得了高精度结果。我们还训练了机器学习模型来预测零能反常格林函数中奇频配对的振幅。一旦使用可通过扫描隧道谱实验获取的局域态密度训练好机器学习模型，我们的方法便可应用于预测真实材料中马约拉纳边缘态的数量以及估计奇频配对的强度。