Emergence of an antiferromagnetic topological Anderson insulator in the interacting Haldane model

利用有限尺寸精确对角化与神经网络分析，本研究表明自旋霍尔模型中相互作用与安德森无序的协同作用会诱导出一个陈数为$C=1$的反铁磁拓扑安德森绝缘体相，该相由无序产生的电荷不平衡而非交错质量所驱动。

要点

想象一座由微小、舞动的电子构成的宏大而繁忙的城市。在这座城市里，街道呈蜂窝状排列（如同蜂巢），而交通规则由一套称为“拓扑”的特殊法则所管辖。通常，在一个完美且安静的城市里，这些法则会形成一种特定的交通流，极难被阻止或改变。这就是物理学家所称的拓扑绝缘体。

然而，现实中的城市从不完美。它们有坑洼（无序），有因车辆相互碰撞而导致的交通拥堵（相互作用），有时不同街区的交通灯程序还各不相同（交错质量）。

本文探讨的是当这三种混乱元素在一种称为哈达纳模型（Haldane model）的特定数学模型中混合在一起时会发生什么。以下是他们发现的简化解说：

1. 三种要素

要理解这个实验，可以想象这座城市具有三个主要特征：

• 拓扑（地图）： 城市的基础布局迫使交通以特定的圆形方向流动，且难以轻易逆转。
• 相互作用（人群）： 电子具有社会性；它们不喜欢靠得太近。它们彼此推挤和拉扯（就像拥挤地铁里的人群）。
• 无序（坑洼）： 街道上随机出现凸起和坑洞，使路径变得不可预测。

2. 已知领域

科学家们已经对这座城市了解两件事：

• 如果城市是完美且安静的（没有坑洼），但你给街道添加了一种特定的“倾斜”（称为交错质量），交通就会组织成一种特殊模式，即不同街区的车辆朝相反方向旋转。这创造了一种罕见的状态，称为反铁磁陈绝缘体（Antiferromagnetic Chern Insulator）。这就像一种交通拥堵，每个人都在绕圈行驶，但方向每隔一个街区就翻转一次。
• 如果城市是完美但存在坑洼（无序）且没有“倾斜”，坑洼实际上可以创造一种以前不存在的新型拓扑交通流。这被称为拓扑安德森绝缘体（Topological Anderson Insulator）。这违反直觉：通常坑洼会破坏事物，但在这里，它们意外地建造了一座桥梁。

3. 核心问题

研究人员问道：如果你同时拥有“人群”（相互作用）和“坑洼”（无序），但没有“倾斜”，会发生什么？

先前的理论（使用粗略近似）表明，坑洼可能会创造出与“倾斜”通常产生的那种特殊“翻转交通”模式（即反铁磁态）相同的模式。但没有人能用精确的硬计算来证明这一点，因为模拟它极其困难。

4. 实验：一座数字城市

作者使用一种称为精确对角化（Exact Diagonalization）的超精确方法，构建了这座城市的数字模拟。

• 他们创建了一个微小但完美的数字网格（一个 12x12 街区大小的城市）。
• 他们编程让电子相互作用，并在街道上添加了随机的“坑洼”（无序）。
• 他们运行了数千次模拟，以观察出现了什么样的交通模式。

问题： 计算机忙于进行复杂的数学运算，只能模拟少数几个城市的“版本”。为了获得清晰的图景，他们需要模拟数千个更多版本，但这将耗时过长。

解决方案： 他们训练了一个神经网络（一种人工智能）充当侦探。

• 他们将那些能够运行的少量硬模拟结果输入给 AI。
• AI 学会了识别不同交通模式的“指纹”。
• 一旦训练完成，AI 就能瞬间预测数千个新城市版本的交通模式，为他们提供了更清晰的可能性地图。

5. 发现：“坑洼诱导”的模式

结果令人兴奋。他们发现：

1. 无序创造有序： 即使没有“倾斜”（交错质量），随机的坑洼（无序）与电子人群（相互作用）相结合，也创造了罕见的反铁磁拓扑安德森绝缘体。
2. 机制： 论文认为，坑洼起到了“倾斜”的作用。尽管坑洼是随机的，但它们会在电子交通中造成局部的不平衡（某些街区车辆更多，某些更少）。这种显式的电荷不平衡是触发特殊翻转交通模式所需的关键要素。
3. 联系： 他们表明，这种“坑洼诱导”的模式与在完美城市中发现的“倾斜诱导”模式属于同一“物种”。如果你逐渐减少坑洼并增加倾斜，这两个相态会平滑地融合在一起。

6. 结论

该论文证明，你不需要在街道上进行完美工程的“倾斜”来获得这种特殊的磁性交通模式。有时，仅仅拥有一条混乱、颠簸的道路以及一群相互作用的车辆，就足以自发地产生这种模式。

他们结合了蛮力数学（精确对角化）和智能 AI 助手（神经网络）来精确绘制出这种情况发生的位置。他们证实，只要电子彼此相互作用，无序就可以成为这种特定类型拓扑秩序的架构师。

简而言之： 他们找到了一种在混乱世界中构建“拓扑桥梁”的新方法，证明了混乱（无序）和社会压力（相互作用）可以联手创造出一种非常有序、具有磁性的交通流。

技术摘要

技术摘要：相互作用哈伯德模型中反铁磁拓扑安德森绝缘体的涌现

问题陈述
拓扑、电子 - 电子相互作用与无序之间的协同作用对于理解真实材料行为至关重要，然而同时处理这三个因素在计算和理论上仍极具挑战。尽管无序诱导的拓扑相（拓扑安德森绝缘体，TAI）和相互作用驱动的相（如反铁磁陈绝缘体，AFCI）已分别或成对地被研究，但由相互作用与无序共同作用引发的拓扑相涌现仍需进一步探究。具体而言，先前的平均场研究表明，在具有哈伯德（$U$）和最近邻密度 - 密度（$V$）相互作用的自旋哈伯德模型中，安德森无序可在零交错质量（$\Delta=0$）下诱导反铁磁 $C=1$ 相。这与洁净模型形成对比，在洁净模型中，$C=1$ 相（AFCI）通常需要有限的交错质量来诱导显式的电荷序。在强关联条件下，该无序诱导相在平均场近似之外的有效性仍有待确立。

方法论
作者对包含零扭转角下 $K$ 和 $K'$ 谷的 12 格点蜂窝团簇（$12A$ 团簇）采用了有限尺寸精确对角化（ED）。系统采用自旋哈伯德哈密顿量建模，并辅以在位哈伯德相互作用、最近邻密度 - 密度相互作用以及在位安德森无序。

• 哈密顿量：模型包含交错势（$\Delta$）、最近邻（$t$）和次近邻（$t_2$）跃迁、固定手征性的复相位、哈伯德 $U$、最近邻相互作用 $V$，以及服从强度为 $W$ 的均匀分布的随机在位能量 $w_i$。
• 表征：多体基态分析采用以下方法：
  • 交错电荷密度波（CDW）和自旋密度波（SDW）结构因子，用于识别序参量。
  • 多体陈数（$C$），通过扭曲边界条件和离散化贝里曲率公式计算得出。
• 机器学习增强：为克服 ED 在无序平均方面的计算局限（仅限于 $N_s \approx 20$ 个实现），作者训练了一个卷积神经网络（CNN）。该网络以特定扭曲角（$\phi=0, \pi$）下评估的单粒子密度矩阵（SPDM）作为输入，预测陈数类别（$C=0, 1, 2$）。网络使用焦点损失函数在 ED 数据上进行训练，以解决类别不平衡问题，特别是针对少数类 $C=1$。

关键结果

1. 洁净模型验证：在洁净极限（$W=0$）下，相图证实了有限交错质量（$\Delta > 0$）和有限 $U$ 下 $C=1$ AFCI 相的存在。然而，在 $\Delta=0$ 时，即使存在有限 $V$，$C=1$ 相也不存在，这支持了自发电荷序（源自 $V$）不足以诱导该相的假设；需要显式的电荷序。
2. 无序诱导的 $C=1$ 相：当在 $\Delta=0$ 处引入安德森无序时，作者观察到在中等至强无序强度（$W=8, 12$）下出现了 $C=1$ 相。该相与偏移的 $C=2$ 区域以及平庸安德森绝缘体区域共存。
3. 反铁磁特征：无序诱导的 $C=1$ 相表现出有限的 SDW 结构因子，将其识别为反铁磁拓扑安德森绝缘体。
4. 神经网络分析：将训练好的 CNN 应用于 $N_s=100$ 个无序实现，以更高的统计精度解析了相图。它确认了在 $W=12$ 时，$(U, V)$ 参数空间中存在两个 distinct 的 $C=1$ 相“口袋”。网络成功区分了 $C=1$ 相与 $C=0$（平庸）及 $C=2$ 相，$C=1$ 类别的 F1 分数达到 90%。
5. 与洁净模型的关联：通过在固定无序 $W=12$ 下改变交错质量 $\Delta$，作者证明了 $\Delta=0$ 处的无序诱导 $C=1$ 相与 $\Delta > 0$ 处的洁净 AFCI 在参数空间中是平滑连接的。随着 $\Delta$ 增加，拓扑区域收缩，当 $\Delta > 3$ 时，$C=1$ 相消失。这表明安德森无序和交错质量在产生 $C=1$ 相所需的显式电荷不平衡方面起着类似的作用，尽管它们似乎相互竞争而非协同增强。

意义与主张
本文声称利用精确对角化确立了在零交错质量下相互作用哈伯德模型中反铁磁拓扑安德森绝缘体（$C=1$）的存在。这一发现验证了显式电荷序——此处由安德森无序而非交错质量项产生——是反铁磁 $C=1$ 相涌现的先决条件。该研究弥合了无序诱导与相互作用驱动拓扑现象之间的鸿沟，表明无序诱导相与已知的洁净 AFCI 是连续连接的。作者强调，其方法受限于有限尺寸效应和有限的无序统计，建议更大的系统和更精细的参数网格对于优化相边界将是有价值的。他们推测，在引入无序后，类似的反铁磁拓扑安德森相可能在其他陈绝缘体模型中涌现。