从厄米到非厄米量子多体物理的迁移学习

确定相互作用系统的相边界是理解量子多体模型的关键步骤之一。各种数值与解析方法的发展使得探索许多厄米相互作用系统的相图成为可能。然而，数值挑战与解析解的匮乏阻碍了在非厄米多体模型中获取相边界。近期的机器学习方法已成为一种潜在策略，可在无需获得完整多体波函数的情况下从各类可观测量中学习相边界。在此，我们表明，仅在厄米关联函数上训练的机器学习方法能够识别非厄米相互作用模型的相边界。这些结果表明，厄米机器学习算法可被重新部署于非厄米模型，而无需进一步训练即可揭示非厄米相图。我们的发现确立了迁移学习作为一种通用策略，可利用厄米物理对_non厄米现象进行机器学习。