...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Physical review >Machine learning effective models for quantum systems
【24h】

Machine learning effective models for quantum systems

机译：机器学习量子系统有效模型

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The construction of good effective models is an essential part of understanding and simulating complex systems in many areas of science. It is a particular challenge for correlated many-body quantum systems displaying emergent physics. We propose a machine learning approach that optimizes an effective model based on an estimation of its partition function. The success of the method is demonstrated by application to the single impurity Anderson model and double quantum dots, where nonperturbative results are obtained for the old problem of mapping to effective Rondo models. We also show that an alternative approach based on learning minimal models from observables may yield the wrong low-energy physics. On the other hand, learning minimal models from the partition function recovers the correct low-energy physics but may not reproduce all observables.
机译：良好的有效模型的构建是理解和模拟复杂系统的重要组成部分在许多科学领域。对于显示出紧急物理学的相关许多身体量子系统是一种特殊的挑战。我们提出了一种机器学习方法，可以基于其分区函数的估计来优化有效模型。通过应用于单一杂质和乐队模型和双量子点来证明该方法的成功，其中获得了非对映射到有效Rondo模型的旧问题的非稳定结果。我们还表明，基于来自观察到的学习最小模型的替代方法可能会产生错误的低能量物理。另一方面，从分区功能学习最小模型恢复正确的低能量物理，但可能不会再现所有可观察到。

著录项

  • 来源
    《Physical review》 |2020年第24期|241105.1-241105.6|共6页
  • 作者

    Jonas B. Rigo; Andrew K. Mitchell;

  • 作者单位

    School of Physics University College Dublin Belfield Dublin 4 Ireland;

    School of Physics University College Dublin Belfield Dublin 4 Ireland;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号