論文の概要: Machine Learning Force-Field Approach for Itinerant Electron Magnets

• arxiv url: http://arxiv.org/abs/2501.06171v1
• Date: Fri, 10 Jan 2025 18:50:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-13 15:26:02.384979
• Title: Machine Learning Force-Field Approach for Itinerant Electron Magnets
• Title（参考訳）: 慣性電子磁石の機械学習力場アプローチ
• Authors: Sheng Zhang, Yunhao Fan, Kotaro Shimizu, Gia-Wei Chern,
• Abstract要約: 本稿では,Landau-Lifshitz-Gilbert(LLG)動的シミュレーションのための機械学習(ML)フレームワークの開発について概説する。 訓練されたMLモデルにより予測された局所場に基づくLCGシミュレーションが,代表的非線形スピン構造を再現することに成功した。
• 参考スコア（独自算出の注目度）: 3.3312479395168455
• License:
• Abstract: We review the recent development of machine-learning (ML) force-field frameworks for Landau-Lifshitz-Gilbert (LLG) dynamics simulations of itinerant electron magnets, focusing on the general theory and implementations of symmetry-invariant representations of spin configurations. The crucial properties that such magnetic descriptors must satisfy are differentiability with respect to spin rotations and invariance to both lattice point-group symmetry and internal spin rotation symmetry. We propose an efficient implementation based on the concept of reference irreducible representations, modified from the group-theoretical power-spectrum and bispectrum methods. The ML framework is demonstrated using the s-d models, which are widely applied in spintronics research. We show that LLG simulations based on local fields predicted by the trained ML models successfully reproduce representative non-collinear spin structures, including 120$^\circ$, tetrahedral, and skyrmion crystal orders of the triangular-lattice s-d models. Large-scale thermal quench simulations enabled by ML models further reveal intriguing freezing dynamics and glassy stripe states consisting of skyrmions and bi-merons. Our work highlights the utility of ML force-field approach to dynamical modeling of complex spin orders in itinerant electron magnets.
• Abstract（参考訳）: 我々は、Landau-Lifshitz-Gilbert(LLG)動的シミュレーションのための機械学習(ML)力場フレームワークの開発について概説し、スピン配置の対称性不変表現の一般理論と実装に焦点を当てた。 そのような磁気ディスクリプタが満たさなければならない重要な性質は、スピン回転と格子点群対称性と内部スピン回転対称性の両方に対する不変性である。 グループ理論のパワースペクトルとバイスペクトル法から修正した参照既約表現の概念に基づく効率的な実装を提案する。 MLフレームワークはs-dモデルを用いて実証され、スピントロニクス研究に広く応用されている。 訓練されたMLモデルにより予測される局所場に基づくLSGシミュレーションは, 三角格子s-dモデルの120$^\circ$, 四面体, およびスカイミオン結晶オーダーを含む, 代表的な非線形スピン構造を再現することに成功した。 MLモデルによって実現された大規模熱クエンチシミュレーションにより、スカイミオンとバイメロンからなる興味深い凍結力学とガラスストライプ状態が明らかにされる。 我々の研究は、反復電子磁石における複雑なスピン秩序の動的モデリングに対するML力場アプローチの有用性を強調した。

関連論文リスト

• 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)
• 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)
• The Role of Reference Points in Machine-Learned Atomistic Simulation Models [0.0]
  化学環境モデリング理論(CEMT)は、従来の原子中心機械学習力場(MLFF)モデルに固有の制約を克服するために設計されている。 FE-DFT計算による空間分解エネルギー密度と電荷密度の活用を可能にする。
  論文  参考訳（メタデータ） (2023-10-28T01:02:14Z)
• Geometric Neural Diffusion Processes [55.891428654434634]
  拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。 これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
  論文  参考訳（メタデータ） (2023-07-11T16:51:38Z)
• 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)
• 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)
• Descriptors for Machine Learning Model of Generalized Force Field in Condensed Matter Systems [3.9811842769009034]
  凝縮物質系のマルチスケール動的モデリングのための機械学習(ML)手法の一般的な枠組みを概説する。 両スペクトル係数に基づいて不変量を計算するための体系的かつ厳密なアプローチを提供する群論的手法に着目する。
  論文  参考訳（メタデータ） (2022-01-03T18:38:26Z)
• 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)
• Energy and momentum conservation in spin transfer [77.34726150561087]
  エネルギーと線形運動量保存法則がスピン移動によって誘起される磁気励起の性質に強い制約を課していることを示す。 以上の結果から,スピン移動駆動磁化ダイナミクスの精密制御を実現する可能性が示唆された。
  論文  参考訳（メタデータ） (2020-04-04T15:43:30Z)

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。