論文の概要: Magnetic HIP-NN for spin dynamics in disordered itinerant magnets

• arxiv url: http://arxiv.org/abs/2606.10349v1
• Date: Tue, 09 Jun 2026 02:57:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 15:40:58.279297
• Title: Magnetic HIP-NN for spin dynamics in disordered itinerant magnets
• Title（参考訳）: 乱れたイテナント磁石におけるスピンダイナミクスのための磁気HIP-NN
• Authors: Supriyo Ghosh, Yunhao Fan, Sheng Zhang, Kipton Barros, Gia-Wei Chern,
• Abstract要約: 階層的相互作用する粒子ニューラルネット(HIP-NN)の磁気的拡張について述べる。 得られた磁気HIP-NNは回転不変スピン相関を直接階層的なメッセージパッシング層に組み込む。 我々は,mHIP-NNがLandau-Lifshitz-Gilbert系の局所トルクを正確に再現し,熱クエンチによる空間スピン相関の非平衡進化を忠実に捉えていることを示す。
• 参考スコア（独自算出の注目度）: 4.626999327112172
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a magnetic extension of the Hierarchically Interacting Particle Neural Network (HIP-NN) that enables large-scale simulations of electron-mediated spin dynamics in disordered itinerant magnets. The resulting magnetic HIP-NN (mHIP-NN) incorporates rotationally invariant spin correlations directly into hierarchical message-passing layers, enabling the network to learn emergent magnetic energy landscapes and effective local fields from coupled geometric-spin environments while preserving spin-rotation symmetry. As a benchmark application, we consider structurally disordered itinerant $s$-$d$ exchange models in which the effective magnetic forces arise dynamically from the instantaneous electronic structure and are computationally prohibitive to evaluate using conventional exact-diagonalization-based approaches. We show that mHIP-NN accurately reproduces the local torques governing Landau-Lifshitz-Gilbert dynamics and faithfully captures the nonequilibrium evolution of spatial spin correlations following thermal quenches. Our results establish symmetry-aware hierarchical message-passing networks as an efficient and scalable framework for large-scale simulations of frustrated itinerant spin systems and nonequilibrium magnetic dynamics. More broadly, because the learned energy functional remains fully differentiable with respect to both atomic coordinates and spin variables, the framework also provides a natural foundation for spin-dependent interatomic potentials and coupled atom-spin dynamics.
• Abstract（参考訳）: 本稿では、乱れたイテナント磁石における電子を介するスピンダイナミクスの大規模シミュレーションを可能にする階層的相互作用粒子ニューラルネット(HIP-NN)の磁気拡張について述べる。 結果として生じる磁気HIP-NN(mHIP-NN)は、回転不変スピン相関を直接階層的なメッセージパス層に組み込むことで、スピン回転対称性を保ちながら、結合した幾何スピン環境から創発的磁気エネルギー景観と有効局所場を学習することができる。 本稿では, 実効磁気力を瞬時電子構造から動的に発生させ, 従来の正確な対角化に基づく評価を計算的に禁ずるような, 構造的に乱れたイテラント$s$-$d$交換モデルについて考察する。 我々は,mHIP-NNがLandau-Lifshitz-Gilbert系の局所トルクを正確に再現し,熱クエンチによる空間スピン相関の非平衡進化を忠実に捉えていることを示す。 本研究は, フラストレーション付きイテナントスピン系と非平衡磁気力学の大規模シミュレーションのための, 効率的かつスケーラブルなフレームワークとして, 対称性を考慮した階層型メッセージパッシングネットワークを構築した。 より広くは、学習されたエネルギー関数は原子座標とスピン変数の両方に関して完全に微分可能であるため、このフレームワークはスピン依存的な原子間ポテンシャルと結合原子スピンダイナミクスの自然な基盤を提供する。

関連論文リスト

• Machine-learning modeling of magnetization dynamics in quasi-equilibrium and driven metallic spin systems [3.1567633240529616]
  大規模Landau-Lifshitz-Gilbert (LLG) シミュレーションにおける機械学習(ML)力場法の最近の進歩を概観する。 我々は、スケーラブルで転送可能なMLモデルを構築するために、Behler-Parrinello (BP) MLアーキテクチャを一般化する。 我々は、BPフォーマリズムを拡張して、保守的かつ非保守的な電子トルクを組み込む可能性理論について議論する。
  論文  参考訳（メタデータ） (2026-04-13T14:18:34Z)
• Machine-learning force-field models for dynamical simulations of metallic magnets [3.1567633240529616]
  我々は、Landau-Lifshitz-Gilbert (LLG) シミュレーションにおける機械学習(ML)力場法の最近の進歩を概観する。 スピンダイナミクスを管理する電子を介する力を効率的に正確に予測するために、ディープニューラルネットワークモデルが開発された。 その結果、ML力場フレームワークは、イテナント磁石における非平衡スピンダイナミクスをモデル化するためのスケーラブルで正確で汎用的なツールとして確立された。
  論文  参考訳（メタデータ） (2026-02-20T13:51:29Z)
• Observation of Magnetic Devil's Staircase-Like Behavior in Quasiperiodic Qubit Lattices [55.2480439325792]
  悪魔の階段(DS)現象は、外界への磁化のフラクタル反応である。 我々は、単純で効果的なIsing-modelフレームワークにおいて、外部磁場の増加によって引き起こされる急激な磁気遷移を多数発見する。 本研究は,DSの挙動が周期的システムに限定されているという一般的な見方に挑戦する。
  論文  参考訳（メタデータ） (2025-07-24T21:39:06Z)
• 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)
• General time-reversal equivariant neural network potential for magnetic materials [5.334610924852583]
  本研究では、時間反転E(3)同変ニューラルネットワークと、磁気システムに対する包括的な原子間ポテンシャルを構築するためのSpinGNN++フレームワークを提案する。 SpinGNN++はスピン同変ニューラルネットワークを、ハイゼンベルク、ジアロシンスキー・モリヤ、キタエフ、単一イオン異方性、バイカドラル相互作用を含む明示的なスピン格子項と統合する。 SpinGNN++は単層CrTe2の基底磁気状態として新しい強磁性状態を認識する。
  論文  参考訳（メタデータ） (2022-11-21T12:25:58Z)
• Probing dynamics of a two-dimensional dipolar spin ensemble using single qubit sensor [62.997667081978825]
  ダイヤモンド結晶表面上の電子スピンの2次元アンサンブルにおける個々のスピンダイナミクスを実験的に検討した。 この不規則に緩やかな緩和速度は、強い力学障害の存在によるものであることを示す。 我々の研究は、強く相互作用する無秩序なスピンアンサンブルにおける量子熱化の微視的研究と制御への道を開いた。
  論文  参考訳（メタデータ） (2022-07-21T18:00:17Z)
• 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)
• Spin-Dependent Graph Neural Network Potential for Magnetic Materials [5.775111970429336]
  SpinGNNは、磁気システムを記述するためにグラフニューラルネットワーク(GNN)を使用するスピン依存型原子間ポテンシャルアプローチである。 スピンGNNの有効性は、高階スピンハミルトニアンと2つの複素スピン格子ハミルトニアンを適合させる際、例外的な精度で示される。
  論文  参考訳（メタデータ） (2022-03-06T01:54:50Z)
• 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)
• 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。