摘要:我们在机器学习框架内研究了从量子纠缠中产生的 AdS 黑洞时空的体积重建。利用神经常微分方程和蒙特卡罗积分,我们开发了一种针对连续训练函数量身定制的方法,以从纠缠熵数据中提取一般各向同性体积度量。为了验证我们的方法,我们首先将我们的机器学习算法应用于从 Gubser-Rocha 和超导体模型中得到的全息纠缠熵数据,这些模型是全息中强耦合物质的代表性模型。我们的算法成功地从这些数据中提取了相应的体积度量。此外,我们通过使用半填充费米子紧束缚链的纠缠熵数据将我们的方法扩展到多体系统,以临界一维系统为例,并得出相关的体积度量。我们发现紧束缚链和 Gubser-Rocha 模型的度量相似。我们推测这种相似性是由于这些模型的金属性质。
主要关键词