機械学習を用いた中性子データからのα-RuCl_3の相互作用パラメータの抽出【JST・京大機械翻訳】

Samarakoon Anjana M.; Laurell Pontus; Balz Christian; Banerjee Arnab; Lampen-Kelley Paula; Mandrus David; Nagler Stephen E.; Okamoto Satoshi; Tennant D. Alan

プレプリント

J-GLOBAL ID：202202203138930710 整理番号：22P0293327

機械学習を用いた中性子データからのα-RuCl_3の相互作用パラメータの抽出【JST・京大機械翻訳】

Extraction of the interaction parameters for $\alpha-$RuCl$_3$ from neutron data using machine learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (9件)： , , , , , , , ,
資料名：
発行年： 2022年02月22日プレプリントサーバーでの情報更新日： 2022年02月23日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

単結晶非弾性中性子散乱データは材料の構造と動力学に関する豊富な情報を含む。しかし,大きなデータ体積を有する洗練された理論モデルのマッチングの課題は,計算の複雑さと逆散乱問題の不良な性質によって複合される。ここでは,複数のニューラルネットワークアーキテクチャを特徴とする新しい機械学習支援フレームワークを利用して,高次元モデリングと数値法を通してこれに対処した。Kitaev材料α-RuCl_3で測定した回折および非弾性中性子散乱の包括的なデータセットを,そのハミルトニアンを抽出するために処理した。半古典的Landau-Lifshitz動力学とモンテカルロシミュレーションを用いて,拡張Kitaev-Heisenbergハミルトニアンのパラメータ空間を調べた。機械学習支援反復アルゴリズムを開発し,実験データに適合する不確実性多様体をマッピングした。情報圧縮を行うのに使用される非線形オートエンコーダ;そして,回折と動力学シミュレーションのための高速代理として利用され,不確実性を有するポテンシャルスピンハミルトニアンを予測する。正確な対角化計算を用いて,最良の予測のまわりで選択したパラメータに対する量子変動の影響を評価した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

酸化物結晶の磁性 , 磁性理論 , その他の無機化合物の磁性

, ,

前のページに戻る