由在 $\alpha$-RuCl$_3$ 高磁场数据上训练的 ANN-MFT 编码器观测到的强关联效应
强关联电子
2023-01-05 v1
摘要
-RuCl 是一种磁性绝缘体，展现出可能存在于 Kitaev 蜂窝模型中的量子自旋液体相。确定哈密顿量参数的大量工作聚焦于低磁场有序相。我们在平均场理论更合理的高磁场极限下研究此问题。为此，我们通过结合可用的磁化、力矩和扭转数据集，利用机器学习从超过 200,000 个低维数据点中建模参数。我们的机器是一种人工神经网络-平均场理论（ANN-MFT）编码器，通过全连接时间反演协变（等变）神经网络将热力学条件（温度和场矢量）映射到模型参数，然后使用平均场理论预测可观测量值。为训练该机器，我们使用 PyTorch 通过平均场理论的纯 PyTorch 实现牛顿-拉夫森方法来实现反向传播。在 K 和 T 的结果与文献中低磁场下的其他参数推断研究一致，但惊人地具有从 1.3 K 到 80 K 在 T 范围内随温度缩放的幅度。我们得出结论：该数据呈现了超出平均场理论范围的物理，并且强相互作用主导了 -RuCl 直至至少 60 特斯拉的磁场强度的物理。
引用
@article{arxiv.2301.01301,
title = {Strong correlation effects observed by an ANN-MFT encoder trained on $\alpha$-RuCl$_3$ high magnetic field data},
author = {Michael J. Lawler and Kimberly A. Modic and B. J. Ramshaw},
journal= {arXiv preprint arXiv:2301.01301},
year = {2023}
}
备注
12 pages, 8 figures, 2 code listings