論文の概要: Kinetics of orbital ordering in cooperative Jahn-Teller models: Machine-learning enabled large-scale simulations

• arxiv url: http://arxiv.org/abs/2405.14776v1
• Date: Thu, 23 May 2024 16:44:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-24 13:07:39.420756
• Title: Kinetics of orbital ordering in cooperative Jahn-Teller models: Machine-learning enabled large-scale simulations
• Title（参考訳）: 協調Jahn-Tellerモデルにおける軌道順序の速度論:機械学習が大規模シミュレーションを可能にした
• Authors: Supriyo Ghosh, Sheng Zhang, Chen Cheng, Gia-Wei Chern,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 7.540467064488348
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a scalable machine learning (ML) force-field model for the adiabatic dynamics of cooperative Jahn-Teller (JT) systems. Large scale dynamical simulations of the JT model also shed light on the orbital ordering dynamics in colossal magnetoresistance manganites. The JT effect in these materials describes the distortion of local oxygen octahedra driven by a coupling to the orbital degrees of freedom of $e_g$ electrons. An effective electron-mediated interaction between the local JT modes leads to a structural transition and the emergence of long-range orbital order at low temperatures. Assuming the principle of locality, a deep-learning neural-network model is developed to accurately and efficiently predict the electron-induced forces that drive the dynamical evolution of JT phonons. A group-theoretical method is utilized to develop a descriptor that incorporates the combined orbital and lattice symmetry into the ML model. Large-scale Langevin dynamics simulations, enabled by the ML force-field models, are performed to investigate the coarsening dynamics of the composite JT distortion and orbital order after a thermal quench. The late-stage coarsening of orbital domains exhibits pronounced freezing behaviors which are likely related to the unusual morphology of the domain structures. Our work highlights a promising avenue for multi-scale dynamical modeling of correlated electron systems.
• Abstract（参考訳）: 本稿では,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モデルの大規模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力学にも光を当てた。 これらの材料におけるJT効果は、e_g$電子の軌道自由度への結合によって駆動される局所酸素オクタヘドラの歪みを記述する。 局所的なJTモード間の効果的な電子媒介相互作用は、構造遷移と低温における長距離軌道秩序の出現をもたらす。 局所性の原理を仮定すると、JTフォノンの動的進化を駆動する電子誘起力の正確かつ効率的に予測するディープラーニングニューラルネットワークモデルが開発されている。 グループ理論法を用いて、MLモデルに軌道対称性と格子対称性を組み合わせた記述子を開発する。 ML力場モデルにより実現された大規模ランゲヴィン動力学シミュレーションを行い, 熱クエンチ後の複合JT歪みと軌道秩序の粗大化ダイナミクスについて検討した。 軌道領域の後期の粗化は、領域構造の異常な形態に関係している可能性が高い凍結挙動を顕著に示している。 我々の研究は、相関電子系のマルチスケール力学モデリングのための有望な道のりを強調している。

関連論文リスト

• Dynamics of a Generalized Dicke Model for Spin-1 Atoms [0.0]
  ディック模型は理論空洞量子力学(キャビティQED)の基礎である これは、相転移、相乗法、カオスなど、多様なダイナミクスを示している。 モデルによって認識される多様で複雑な振る舞いは、そのダイナミクスをより厳密にマッピングする必要性を強調します。
  論文  参考訳（メタデータ） (2024-03-04T04:09:35Z)
• 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)
• Emergence of fluctuating hydrodynamics in chaotic quantum systems [47.187609203210705]
  ゆらぎの流体力学をモデル化するために, マクロ揺らぎ理論 (MFT) が最近開発された。 粒子数変動の総数統計量を監視する大規模量子シミュレーションを行う。 以上の結果から,孤立量子系の大規模変動は創発的な流体力学的挙動を示すことが示唆された。
  論文  参考訳（メタデータ） (2023-06-20T11:26:30Z)
• Higher-order topological Peierls insulator in a two-dimensional atom-cavity system [58.720142291102135]
  我々は、光子を介する相互作用が原子基底状態におけるプラケット配位結合パターンをいかに生み出すかを示す。 このパターンは2Dの非自明なトポロジカルギャップを開き、高次トポロジカル位相ホストコーナー状態をもたらす。 我々の研究は、原子量子シミュレータがいかにして、新しい強相関な位相現象を研究することができるかを示す。
  論文  参考訳（メタデータ） (2023-05-05T10:25:14Z)
• 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)
• 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)
• 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)
• Photoinduced prethermal order parameter dynamics in the two-dimensional large-$N$ Hubbard-Heisenberg model [77.34726150561087]
  2次元相関電子モデルにおいて、競合する秩序相の微視的ダイナミクスについて検討する。 2つの競合する位相間の光誘起遷移をシミュレートする。
  論文  参考訳（メタデータ） (2022-05-13T13:13:31Z)
• Probing eigenstate thermalization in quantum simulators via fluctuation-dissipation relations [77.34726150561087]
  固有状態熱化仮説(ETH)は、閉量子多体系の平衡へのアプローチの普遍的なメカニズムを提供する。 本稿では, ゆらぎ・散逸関係の出現を観測し, 量子シミュレータのフルETHを探索する理論に依存しない経路を提案する。 我々の研究は、量子シミュレータにおける熱化を特徴づける理論に依存しない方法を示し、凝縮物質ポンプ-プローブ実験をシミュレーションする方法を舗装する。
  論文  参考訳（メタデータ） (2020-07-20T18:00:02Z)
• 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)
• Quantum simulation of extended polaron models using compound atom-ion systems [0.0]
  強電子-フォノン結合を示す凝縮物質モデルの量子シミュレーションの可能性を検討する。 一般システムを記述した実効ハミルトニアンを導出し、起伏するエネルギースケールについて議論する。 典型的な実験的な現実的なシステムでは、フォノンとの結合は小さいが、我々はその役割を強化する手段を提供する。
  論文  参考訳（メタデータ） (2020-05-18T12:18:59Z)

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。