論文の概要: Machine learning for phase ordering dynamics of charge density waves
- arxiv url: http://arxiv.org/abs/2303.03493v1
- Date: Mon, 6 Mar 2023 21:00:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-08 17:22:12.144421
- Title: Machine learning for phase ordering dynamics of charge density waves
- Title（参考訳）: 電荷密度波の位相秩序ダイナミクスのための機械学習
- Authors: Chen Cheng, Sheng Zhang, Gia-Wei Chern
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 5.813015022439543
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a machine learning (ML) framework for large-scale dynamical
simulations of charge density wave (CDW) states. The charge modulation in a CDW
state is often accompanied by a concomitant structural distortion, and the
adiabatic evolution of a CDW order is governed by the dynamics of the lattice
distortion. Calculation of the electronic contribution to the driving forces,
however, is computationally very expensive for large systems. Assuming the
principle of locality for electron systems, a neural-network model is developed
to accurately and efficiently predict local electronic forces with input from
neighborhood configurations. Importantly, the ML model makes possible a linear
complexity algorithm for dynamical simulations of CDWs. As a demonstration, we
apply our approach to investigate the phase ordering dynamics of the Holstein
model, a canonical system of CDW order. Our large-scale simulations uncover an
intriguing growth of the CDW domains that deviates significantly from the
expected Allen-Cahn law for phase ordering of Ising-type order parameter field.
This anomalous domain-growth could be attributed to the complex structure of
domain-walls in this system. Our work highlights the promising potential of
ML-based force-field models for dynamical simulations of functional electronic
materials.
- Abstract（参考訳）: 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(ML)フレームワークを提案する。
cdw状態における電荷変調は共役構造歪みを伴うことが多く、cdwオーダーの断熱的進化は格子歪みのダイナミクスによって制御される。
しかし、駆動力に対する電子的貢献の計算は、大規模システムでは計算的に非常に高価である。
電子系の局所性の原理を仮定し、近傍配置からの入力で局所電子力を正確にかつ効率的に予測するニューラルネットワークモデルを開発した。
重要なことに、MLモデルはCDWの動的シミュレーションのための線形複雑化アルゴリズムを可能にする。
実演として,CDW秩序の標準系であるホルシュタインモデルの位相秩序ダイナミクスを解析するために,本手法を適用した。
大規模シミュレーションにより,Ising型順序パラメータ場の位相秩序に関するアレン・カーンの法則から大きく逸脱したCDW領域の興味深い成長が明らかになった。
この異常なドメイン成長は、この系におけるドメインウォールの複雑な構造に起因する可能性がある。
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。
関連論文リスト
- Enhanced coarsening of charge density waves induced by electron correlation: Machine-learning enabled large-scale dynamical simulations [4.94903410489486]
相関電子系における創発的秩序の位相秩序運動は、非平衡物理学の基本的なトピックである。
我々は、電荷密度波(CDW)の粗大化をシミュレートする線形スケーリングアルゴリズムを実現するために、現代の機械学習(ML)手法を利用する。
本研究は、非平衡力学における電子相関の役割についての新しい知見を提供し、ML力場アプローチの可能性を裏付けるものである。
論文 参考訳（メタデータ） (2024-12-30T16:44:11Z) - GauSim: Registering Elastic Objects into Digital World by Gaussian Simulator [55.02281855589641]
GauSimは、ガウスカーネルを通して表現される現実の弾性物体の動的挙動をキャプチャするために設計された、ニューラルネットワークベースの新しいシミュレータである。
我々は連続体力学を活用し、各カーネルを連続体としてモデル化し、理想化された仮定なしに現実的な変形を考慮に入れた。
ガウシムは質量や運動量保存などの明示的な物理制約を取り入れ、解釈可能な結果と堅牢で物理的に妥当なシミュレーションを確実にする。
論文 参考訳（メタデータ） (2024-12-23T18:58:17Z) - Machine learning force-field model for kinetic Monte Carlo simulations of itinerant Ising magnets [0.0]
電子イジングシステムの大規模動力学的モンテカルロ(kMC)シミュレーションのためのスケーラブル機械学習(ML)フレームワークを提案する。
本手法は第一原理分子動力学シミュレーションで広く用いられているML力場モデルに類似している。
論文 参考訳（メタデータ） (2024-11-29T15:35:37Z) - Latent Space Energy-based Neural ODEs [73.01344439786524]
本稿では,連続時間列を表現するために設計された新しい深部力学モデルを提案する。
マルコフ連鎖モンテカルロの最大推定値を用いてモデルを訓練する。
振動系, ビデオ, 実世界の状態系列(MuJoCo)の実験結果から, 学習可能なエネルギーベース先行モデルの方が既存のモデルより優れていることが示された。
論文 参考訳（メタデータ） (2024-09-05T18:14:22Z) - Kinetics of orbital ordering in cooperative Jahn-Teller models: Machine-learning enabled large-scale simulations [7.540467064488348]
本稿では,Jern-Teller(JT)システムの断熱力学に対するスケーラブル機械学習(ML)力場モデルを提案する。
JT模型の大規模動力学シミュレーションは、コロッサル磁気抵抗マンガナイトの軌道秩序ダイナミクスに光を当てた。
論文 参考訳（メタデータ） (2024-05-23T16:44:29Z) - Pattern formation in charge density wave states after a quantum quench [5.155523246793565]
正方格子$t$-$V$モデルにおける電荷密度波(CDW)の時間後ダイナミクスについて検討する。
大規模シミュレーションにより,ポストクエンチCDW状態,特に強いクエンチ状態の複雑なパターンが明らかになった。
論文 参考訳（メタデータ） (2023-12-21T10:50:26Z) - Conditional Generative Models for Simulation of EMG During Naturalistic
Movements [45.698312905115955]
本稿では、運動単位活性化電位波形を生成するために、逆向きに訓練された条件付き生成ニューラルネットワークを提案する。
本研究では,より少ない数の数値モデルの出力を高い精度で予測的に補間できることを実証する。
論文 参考訳（メタデータ） (2022-11-03T14:49:02Z) - Spreading of a local excitation in a Quantum Hierarchical Model [62.997667081978825]
常磁性相における量子ダイソン階層モデルのダイナミクスについて検討する。
地磁気場状態の局所励起による初期状態を考慮する。
局所化機構が発見され、励起は任意の時間で初期位置に近づいたままである。
論文 参考訳（メタデータ） (2022-07-14T10:05:20Z) - Fixed Depth Hamiltonian Simulation via Cartan Decomposition [59.20417091220753]
時間に依存しない深さの量子回路を生成するための構成的アルゴリズムを提案する。
一次元横フィールドXYモデルにおけるアンダーソン局在化を含む、モデルの特殊クラスに対するアルゴリズムを強調する。
幅広いスピンモデルとフェルミオンモデルに対して正確な回路を提供するのに加えて、我々のアルゴリズムは最適なハミルトニアンシミュレーションに関する幅広い解析的および数値的な洞察を提供する。
論文 参考訳（メタデータ） (2021-04-01T19:06:00Z) - Enhancement of quantum correlations and geometric phase for a driven
bipartite quantum system in a structured environment [77.34726150561087]
構造環境下で進化する初期最大絡み合い状態における運転の役割について検討した。
この知識は、散逸動力学の下で量子特性を最もよく保持する物理装置の探索に役立つ。
論文 参考訳（メタデータ） (2021-03-18T21:11:37Z) - Machine learning dynamics of phase separation in correlated electron
magnets [0.0]
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。
論文 参考訳（メタデータ） (2020-06-07T17:01:06Z)
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。