机构名称：
¥ 1.0
理解量子物质的性质是科学领域的一项重大挑战。在本文中，我们展示了如何成功地将机器学习方法应用于单粒子和多体系统中各种状态的分类。我们实现了神经网络算法，该算法可以以极高的准确度对量子台球模型中的规则行为和混沌行为进行分类。我们使用变分自动编码器对规则/混沌波函数进行自动监督分类，并证明自动编码器可用作检测异常量子态（如量子疤痕）的工具。通过进一步采用这种方法，我们表明机器学习技术使我们能够确定海森堡 XXZ 自旋链中从可积性到多体量子混沌的转变。对于这两种情况，我们都证实了表征转变的通用 W 形状的存在。我们的研究结果为探索机器学习工具在揭示量子多体系统中奇异现象方面的强大功能铺平了道路。
利用机器学习揭示量子混沌
主要关键词
相关文件推荐
