論文の概要: Machine learning dynamics of phase separation in correlated electron
magnets
- arxiv url: http://arxiv.org/abs/2006.04205v1
- Date: Sun, 7 Jun 2020 17:01:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-24 08:39:30.259470
- Title: Machine learning dynamics of phase separation in correlated electron
magnets
- Title(参考訳): 相関電子磁石における相分離の機械学習ダイナミクス
- Authors: Puhan Zhang, Preetha Saha, Gia-Wei Chern
- Abstract要約: 両交換系における電子位相分離の大規模動的シミュレーションを機械学習により実現した。
本研究は,機械学習モデルを用いて相関電子系の大規模動的シミュレーションを行う方法である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We demonstrate machine-learning enabled large-scale dynamical simulations of
electronic phase separation in double-exchange system. This model, also known
as the ferromagnetic Kondo lattice model, is believed to be relevant for the
colossal magnetoresistance phenomenon. Real-space simulations of such
inhomogeneous states with exchange forces computed from the electron
Hamiltonian can be prohibitively expensive for large systems. Here we show that
linear-scaling exchange field computation can be achieved using neural networks
trained by datasets from exact calculation on small lattices. Our
Landau-Lifshitz dynamics simulations based on machine-learning potentials
nicely reproduce not only the nonequilibrium relaxation process, but also
correlation functions that agree quantitatively with exact simulations. Our
work paves the way for large-scale dynamical simulations of correlated electron
systems using machine-learning models.
- Abstract(参考訳): 両交換系における電子位相分離の大規模動的シミュレーションを機械学習により実現した。
このモデルは強磁性コンド格子モデルとしても知られ、余剰磁気抵抗現象に関係していると考えられている。
電子ハミルトニアンから計算された交換力を持つそのような不均質状態の実空間シミュレーションは、大規模システムでは違法に高価である。
ここでは、小さな格子上の正確な計算からデータセットによって訓練されたニューラルネットワークを用いて、線形スケーリング交換場計算が可能であることを示す。
機械学習ポテンシャルに基づくランダウ・リフシッツ力学シミュレーションは、非平衡緩和過程だけでなく、正確なシミュレーションと定量的に一致する相関関数も良好に再現する。
本研究では,機械学習モデルを用いて相関電子系の大規模動的シミュレーションを行う。
関連論文リスト
- Machine learning force-field models for metallic spin glass [4.090038845129619]
金属スピングラスの動的シミュレーションのためのスケーラブルな機械学習フレームワークを提案する。
Behler-Parrinello型ニューラルネットワークモデルを開発し、電子誘起局所磁場を高精度かつ効率的に予測する。
論文 参考訳(メタデータ) (2023-11-28T17:12:03Z) - Improved precision scaling for simulating coupled quantum-classical
dynamics [0.17126708168238122]
古典量子系に対する量子シミュレーションの精度スケーリングにおける超多項式的改善を提案する。
クープマン・ヴォン・ノイマン形式主義に基づく枠組みを用いることで、リウヴィル運動方程式をユニタリ力学として表現する。
これらのシミュレーションは,マイクロカノニカルアンサンブルとカノニカルアンサンブルの両方で実行可能であることを示す。
論文 参考訳(メタデータ) (2023-07-24T18:00:03Z) - Machine learning of hidden variables in multiscale fluid simulation [77.34726150561087]
流体力学方程式を解くには、しばしばミクロ物理学の欠如を考慮に入れた閉包関係を用いる必要がある。
本研究では, 終端微分可能な偏微分方程式シミュレータを用いて, 偏微分ニューラルネットワークを訓練する。
本手法により, 非線形, 大型クヌーズン数プラズマ物理を再現する方程式に基づく手法が可能であることを示す。
論文 参考訳(メタデータ) (2023-06-19T06:02:53Z) - Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。
そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文 参考訳(メタデータ) (2023-04-08T07:55:36Z) - Ab initio electron-lattice downfolding: potential energy landscapes,
anharmonicity, and molecular dynamics in charge density wave materials [0.0]
計算上の課題は、特に大規模システム、長期スケール、非平衡系、強い相関関係を持つシステムにおいて発生する。
本研究は, 電子面の電子的特性と原子核運動のシミュレーションを促進するために, ダウンフォールディングアプローチが, 電子面の複雑さの低減をいかに促進するかを示す。
論文 参考訳(メタデータ) (2023-03-13T16:41:37Z) - Machine learning for phase ordering dynamics of charge density waves [5.813015022439543]
電荷密度波(CDW)状態の大規模動的シミュレーションのための機械学習フレームワークを提案する。
ニューラルネットワークモデルを構築し,周辺環境からの入力により局所的な電子力を高精度かつ効率的に予測する。
本研究は,機能電子材料の動的シミュレーションにおけるMLベースの力場モデルの可能性を強調した。
論文 参考訳(メタデータ) (2023-03-06T21:00:56Z) - Slow semiclassical dynamics of a two-dimensional Hubbard model in
disorder-free potentials [77.34726150561087]
調和およびスピン依存線形ポテンシャルの導入は、fTWAを長期間にわたって十分に検証することを示した。
特に、有限2次元系に着目し、中間線形ポテンシャル強度において、高調波ポテンシャルの追加と傾きのスピン依存が、亜拡散力学をもたらすことを示す。
論文 参考訳(メタデータ) (2022-10-03T16:51:25Z) - Machine learning predictions for local electronic properties of
disordered correlated electron systems [2.984639473379942]
局所電子特性を予測するため,スケーラブルな機械学習(ML)モデルを提案する。
我々のアプローチは多電子系の局所性原理、すなわち近視性の性質に基づいている。
本研究は,相関電子系のマルチスケールモデリングにおけるML法の可能性を明らかにするものである。
論文 参考訳(メタデータ) (2022-04-12T17:28:51Z) - Molecular spin qudits for quantum simulation of light-matter
interactions [62.223544431366896]
分子スピンキューディットは、物質と強く相互作用する光子場の量子力学をシミュレートする理想的なプラットフォームを提供する。
提案した分子量子シミュレータの基本単位は、マイクロ波パルスのみで制御されるスピン1/2とスピン$S$遷移金属イオンの単純な二量体で実現できる。
論文 参考訳(メタデータ) (2021-03-17T15:03:12Z) - Quantum Markov Chain Monte Carlo with Digital Dissipative Dynamics on
Quantum Computers [52.77024349608834]
少数のアンシラ量子ビットを用いて環境との相互作用をシミュレートするデジタル量子アルゴリズムを開発した。
逆イジングモデルの熱状態のシミュレーションによるアルゴリズムの評価を行った。
論文 参考訳(メタデータ) (2021-03-04T18:21:00Z) - Effects of the dynamical magnetization state on spin transfer [68.8204255655161]
スピン偏極電子と局所スピンの動的状態の間の複雑な相互作用は、別々のプロセスに分解できることを示す。
以上の結果から,スピン伝達効率と結果の動的磁化状態の厳密な制御が可能である可能性が示唆された。
論文 参考訳(メタデータ) (2021-01-21T22:12:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。