利用深度学习驾驭分数量子霍尔态中的 Landau 能级混合
强关联电子
2025-05-05 v1 介观与纳米尺度物理
计算物理
摘要
强相关带来了丰富的涌现现象，同时也给理论物理学 study 提出了巨大的挑战。在凝聚态物理学中，分数量子霍尔效应是强相关的典型例子，而 Landau 能级混合是使用传统计算方法来解决其中的最具挑战性的问题之一。深度学习实空间神经网络波函数方法已成为描述分子和材料中电子相关性的有前景的体系结构，但其力量尚未完全测试于这类特殊量子态。本文我们运用实空间神经网络波函数技术来研究分数量子霍尔系统。在 和 填充系统上，我们实现的能量持续低于仅考虑最低 Landau 能级的精确对角化结果。我们还展示了实空间神经网络波函数能够自然捕捉 Landau 能级混合程度，甚至在非常高的水平上，这克服了传统方法的局限性。我们的工作凸显了神经网络在未来强相关系统研究中的潜力，为探索分数量子霍尔效应的丰富物理开辟了新途径。
引用
@article{arxiv.2412.14795,
title = {Taming Landau level mixing in fractional quantum Hall states with deep learning},
author = {Yubing Qian and Tongzhou Zhao and Jianxiao Zhang and Tao Xiang and Xiang Li and Ji Chen},
journal= {arXiv preprint arXiv:2412.14795},
year = {2025}
}