二维晶格中非厄米相的自注意力辅助分类
其他凝聚态物理
2025-06-10 v4
摘要
由于能带拓扑与非厄米性的相互作用，高维晶格中非厄米相的分类变得具有挑战性。数据维度和类别数量的显著增加使得传统的监督学习和无监督流形学习失效。在此，我们提出自注意力辅助机器学习用于二维晶格中非厄米相的聚类。通过引入自注意力机制，该模型能够有效捕捉长程依赖关系和重要模式，从而产生更紧凑且信息丰富的潜在空间。它能够利用 Bloch 向量数据集实现 Altland-Zirnbauer 分类，并在非厄米趋肤效应与拓扑局域化的竞争下区分本征态局域行为的相。我们的结果提供了一种通过机器学习表征二维晶格中非厄米相的通用方法。
引用
@article{arxiv.2409.14453,
title = {Self-Attention Assistant Classification of Non-Hermitian Phases in Two-Dimensional Lattice},
author = {Hengxuan Jiang and Xiumei Wang and Xingping Zhou},
journal= {arXiv preprint arXiv:2409.14453},
year = {2025}
}