Machine Learning of Topological Insulator and Anderson Insulator in One-Dimensional Extended Su-Schrieffer-Heeger Chain
Diese Studie zeigt, dass ein auf korrelationsfreien Systemen trainiertes Convolutional Neural Network zwar erfolgreich Phasendiagramme für chiral-symmetrieerhaltende Störungen im erweiterten SSH-Modell vorhersagen kann, jedoch bei chiral-symmetriebrechender diagonaler Störung versagt, was die Rolle des maschinellen Lernens als empfindlichen Probier für den symmetriegeschützten Charakter topologischer Materie unterstreicht.
Zhekai Yin (Department of Physics, Xiamen University Malaysia, Sepang, Selangor, Malaysia), C. K. Ong (Department of Physics, Xiamen University Malaysia, Sepang, Selangor, Malaysia, Key Laboratory for Magnetism and Magnetic Materials of the Ministry of Education, Lanzhou University, Lanzhou, China)Fri, 13 Ma🔬 cond-mat