用于超快斯格明子动力学的循环网络分类器
强关联电子
2019-11-20 v1 无序系统与神经网络
摘要
通过监督学习，我们训练了一个循环神经网络来识别并分类在具有 Dzyaloshinskii-Moriya 相互作用的二维纳米系统中实现的超快磁化过程。我们的重点是由超快磁脉冲驱动的不同类型斯格明子动力学。每个过程表示为输入网络的已排序磁化矢量序列。训练后的网络能够在磁脉冲宽度和阻尼因子等参数大范围内对零温下的斯格明子过程进行准确分类。该网络性能也在包括有限温度过程在内的不同类型未见数据上得到展示。我们的方法可轻易调整，以用于实验或器件操作中建立斯格明子动力学的自主控制系统。
引用
@article{arxiv.1907.01814,
title = {Recurrent network classifier for ultrafast skyrmion dynamics},
author = {A. Y. Deviatov and I. A. Iakovlev and V. V. Mazurenko},
journal= {arXiv preprint arXiv:1907.01814},
year = {2019}
}
备注
7 pages, 11 figures