基于模拟的推断一类型 1.5 超导体的金希克--朗道参数

从涡旋构型直接推断多组分超导体中的微观耦合参数是一个具有挑战性的逆问题。在类型 1.5 系统中，时依赖金希克--朗道 (TDGL) 动力学会生成具有高度亚稳态性的复杂、类玻璃涡旋图案。我们通过分析能量景观的 Hessian 谱来显式量化这种不可求解性，揭示软模态的增多对传统抽样方法的阻碍。我们通过将可微分 TDGL 求解器与仿真基于推断 (Simulation-Based Inference, SBI) 结合来应对这一挑战。该方法将求解器作为一个随机正向模型，将物理参数 $({\theta} = ({\eta}, B, {\nu}))$ 映射到涡旋密度场。利用神经比率估计 (Neural Ratio Estimation, NRE)，我们训练一个分类器来逼近似然证据比，并对从涡旋密度场推断的间带约束性做贝叶斯推断。在合成数据上，该方法可靠地恢复该耦合系数并给出校准后的不确定性估计。