論文の概要: Complex Spin Hamiltonian Represented by Artificial Neural Network
- arxiv url: http://arxiv.org/abs/2110.00724v1
- Date: Sat, 2 Oct 2021 04:38:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-05 15:14:25.240700
- Title: Complex Spin Hamiltonian Represented by Artificial Neural Network
- Title（参考訳）: ニューラルネットワークによる複雑スピンハミルトニアンの表現
- Authors: Hongyu Yu, Changsong Xu, Feng Lou, L. Bellaiche, Zhenpeng Hu, Xingao
Gong, Hongjun Xiang
- Abstract要約: スピンハミルトン法は磁気の挙動をシミュレートし理解するために広く採用されている。
そこで我々は,ニューラルネットワーク(ANN)と局所スピンディスクリプタを応用して,機械学習(ML)による効率的なスピンポテンシャルの開発を行った。
我々は人工的に構築したモデルを再現し,またバルクFe3GeTe2の遍歴磁性を十分に記述した。
- 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: The effective spin Hamiltonian method is widely adopted to simulate and
understand the behavior of magnetism. However, the magnetic interactions of
some systems, such as itinerant magnets, are too complex to be described by any
explicit function, which prevents an accurate description of magnetism in such
systems. Here, we put forward a machine learning (ML) approach, applying an
artificial neural network (ANN) and a local spin descriptor to develop
effective spin potentials for any form of interaction. The constructed
Hamiltonians include an explicit Heisenberg part and an implicit non-linear ANN
part. Such a method successfully reproduces artificially constructed models and
also sufficiently describe the itinerant magnetism of bulk Fe3GeTe2. Our work
paves a new way for investigating complex magnetic phenomena (e.g., skyrmions)
of magnetic materials.
- Abstract（参考訳）: 有効スピンハミルトン法は磁気の挙動をシミュレートし理解するために広く採用されている。
しかし、一意磁石のようないくつかの系の磁気相互作用は、明示的な関数によって記述するには複雑すぎるため、そのような系における磁気の正確な記述が妨げられる。
そこで我々は,ニューラルネットワーク(ANN)と局所スピンディスクリプタを応用した機械学習(ML)アプローチを提案し,任意の形の相互作用に対して有効なスピンポテンシャルを開発した。
構築されたハミルトニアンには、明示的なハイゼンベルク部分と暗黙の非線形ANN部分が含まれる。
このような方法は、人工的に構築されたモデルを再現し、バルクFe3GeTe2の繰り返し磁性を十分に記述する。
我々の研究は、磁気材料の複雑な磁気現象(例えば、スカイミオン)を研究する新しい方法である。
関連論文リスト
- Magnetic polarons beyond linear spin-wave theory: Mesons dressed by
magnons [0.0]
強結合状態における磁気ポーラロンを記述するための定量的理論形式を考案する。
背景のスピン波励起と弱い結合を持つ実効ハミルトニアンを構築する。
我々の研究は、磁気ポーラロンを平衡外またはフラストレーションシステムで探索する方法を開拓する。
論文 参考訳（メタデータ） (2024-01-31T19:14:17Z) - 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) - Unveiling Exotic Magnetic Phases in Fibonacci Quasicrystalline Stacking
of Ferromagnetic Layers through Machine Learning [0.0]
本稿では,ファンデルワールス磁性体を用いた強磁性層のフィボナッチ準結晶積層について検討した。
この準結晶系における幾何学的フラストレーションと磁気秩序の複雑な関係を示す磁性ヘテロ構造のモデルを構築した。
我々は機械学習アプローチを採用し、このシステムの複雑な磁気挙動を明らかにする強力なツールであることが証明されている。
論文 参考訳（メタデータ） (2023-07-29T19:03:12Z) - Finding the Dynamics of an Integrable Quantum Many-Body System via
Machine Learning [0.0]
学習手法を用いて,ガウディン磁石(中心スピンモデル)の力学について検討する。
この直感によって部分的に動機付けられ、モデルハミルトニアンの各変分固有状態に対してニューラル・ネットワーク表現を用いる。
この感受性の効率的な説明を持つことで、量子二段階系の環境と相互作用する量子ビットのキャラクタリゼーションと量子制御手順の改善への扉を開くことができる。
論文 参考訳（メタデータ） (2023-07-06T21:49:01Z) - Imaging magnetism evolution of magnetite to megabar pressure range with
quantum sensors in diamond anvil cell [57.91882523720623]
我々は,高感度・サブスケール空間分解能を有するメガバール圧力のその場磁気検出技術を開発した。
強強強磁性体(アルファ-Fe3O4)から弱い強磁性体(ベータ-Fe3O4)、最後に非磁性体(ガンマ-Fe3O4)への大気圧域におけるFe3O4のマクロ磁気遷移を観察する。
提案手法は磁気系のスピン軌道結合と磁気-超伝導の競合について検討することができる。
論文 参考訳（メタデータ） (2023-06-13T15:19:22Z) - Revealing Emergent Magnetic Charge in an Antiferromagnet with Diamond
Quantum Magnetometry [42.60602838972598]
トポロジカルテクスチャの反面、磁気材料のエキゾチックな位相において重要な役割を担い、論理とメモリの応用を約束する。
反強磁性体では、これらのテクスチャは強磁性体に対する安定性とより高速なダイナミクスを示す。
無視可能なバックアクションによる高感度ベクトル磁場センシングの需要を満たす技術は、ダイヤモンド量子磁気メトリーである。
論文 参考訳（メタデータ） (2023-03-21T18:30:20Z) - Understanding the propagation of excitations in quantum spin chains with
different kind of interactions [68.8204255655161]
不均一鎖は、ほぼ完全な忠実度で励起を伝達することができることが示されている。
どちらの設計鎖も、部分的に順序付けられたスペクトルとよく局在した固有ベクトルを持つことが示されている。
論文 参考訳（メタデータ） (2021-12-31T15:09:48Z) - Dispersive readout of molecular spin qudits [68.8204255655161]
複数の$d > 2$ スピン状態を持つ「巨大」スピンで表される磁性分子の物理を研究する。
動作の分散状態における出力モードの式を導出する。
キャビティ透過の測定により,クイディットのスピン状態が一意に決定できることがわかった。
論文 参考訳（メタデータ） (2021-09-29T18:00:09Z) - Spin Entanglement and Magnetic Competition via Long-range Interactions
in Spinor Quantum Optical Lattices [62.997667081978825]
超低温物質中における空洞を介する長距離磁気相互作用と光学格子の効果について検討した。
競合シナリオを導入しながら,グローバルな相互作用がシステムの根底にある磁気特性を変化させていることが判明した。
これにより、量子情報目的のためのロバストなメカニズムの設計に向けた新しい選択肢が可能になる。
論文 参考訳（メタデータ） (2020-11-16T08:03:44Z) - Graph Neural Network for Hamiltonian-Based Material Property Prediction [56.94118357003096]
無機材料のバンドギャップを予測できるいくつかの異なるグラフ畳み込みネットワークを提示し、比較する。
モデルは、それぞれの軌道自体の情報と相互の相互作用の2つの異なる特徴を組み込むように開発されている。
その結果,クロスバリデーションにより予測精度が期待できることがわかった。
論文 参考訳（メタデータ） (2020-05-27T13:32:10Z)
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。