[論文レビュー] Machine Learning Study on the Flat-Band States Constructed by Molecular-Orbital Representation with Randomness

Takumi Kuroda, Tomonari Mizoguchi+2 more|arXiv (Cornell University)|Nov 30, 2021

Quantum and electron transport phenomena参考文献 42被引用数 8

ひとこと要約

本研究では、分子軌道（MO）表現を用いて構築されたランダムなフラットバンドモデルにおける波動関数の分類に畳み込みニューラルネットワーク（CNN）を適用し、フラットバンド状態が拡張状態や局在状態とは異なり、訓練用格子と推論用格子が異なる場合でも特徴的な一貫性のある特徴を示すことを示した。主な発見は、フラットバンド状態が格子構造に依存しない不変なスパイク状の確率密度分布を示しており、ランダムネスに対しても強靭で普遍的な局在パターンを示していることである。

ABSTRACT

We study the characteristic probability density distribution of random flat band models by machine learning. The models considered here are constructed on the basis of the molecular-orbital representation, which guarantees the existence of the macroscopically degenerate zero-energy modes even in the presence of randomness. We find that flat band states are successfully distinguished from conventional extended and localized states, indicating the characteristic feature of the flat band states. We also find that the flat band states can be detected when the target data are defined in the different lattice from the training data, which implies the universal feature of the flat band states constructed by the molecular-orbital representation.

研究の動機と目的

• マクロなデゲネレート零モードを有する不規則系におけるフラットバンド状態の普遍的で特徴的な特徴を同定すること。
• 機械学習が異なる格子幾何構造においてフラットバンド状態を分類できるかを調査すること。
• フラットバンド状態の逆参加比（IPR）のスケーリング行動を分析し、拡張状態および局在状態と比較すること。
• ランダムネスが存在する中で、フラットバンド状態の波動関数の形状が構造的変化に対しても同定可能であるかを検証すること。

提案手法

• スピンなしフェルミオンを用いて、カゴメ格子およびチェッカーボード格子上に、ランダムネス下でもマクロなデゲネレート零モードを保つランダムな分子軌道（MO）モデルを構築する。
• 原子軌道の線形結合からなるMO演算子を用いてハミルトニアンを定義し、重みをガウス分布からランダムに抽出する。
• デゲネレート零モード上での波動関数トレースにより、固有状態（フラットバンド、有限エネルギー状態、拡張状態）の確率密度分布を計算する。
• 2次元確率密度画像を用いて、畳み込みニューラルネットワーク（CNN）を訓練し、状態をフラットバンド、拡張、局在に分類する。
• 訓練データを1つの格子（例：カゴメ格子）から得て、別の格子（例：チェッカーボード格子）のテストデータを分類することで一般化性能を評価し、格子間での耐障害性を検証する。
• 有限サイズ系におけるフラットバンド状態と拡張状態・局在状態の間で、逆参加比（IPR）のスケーリングを分析する。

実験結果

リサーチクエスチョン

• RQ1 ランダムなMOモデルにおけるフラットバンド状態は、基盤となる格子構造に依存しない普遍的特徴を示すか？
• RQ2 1つの格子で訓練された機械学習モデルが、別の格子におけるフラットバンド状態を正しく分類できるか？
• RQ3 フラットバンド状態の逆参加比（IPR）は系サイズにどのようにスケーリングするか？また、拡張状態および局在状態と比較してどうなるか？
• RQ4 不規則性が存在する中で、フラットバンド状態の空間的確率密度分布は、拡張状態および局在状態とどのように異なるか？
• RQ5 マクロなデゲネレート性を保ちつつ、フラットバンド状態の特徴的な性質はランダムネスに対して頑健であるか？

主な発見

• フラットバンド状態の逆参加比（IPR）は、拡張状態と同様に系サイズに比例してスケーリングするため、熱力学的極限においてその拡張性が示唆される。
• この拡張的なIPRスケーリングにもかかわらず、訓練済みのCNNにより、フラットバンド状態は拡張状態および局在状態と明確に区別可能であり、特徴的なマイクロスコピックな特徴が明らかになった。
• CNNは格子タイプを越えて一般化可能である：カゴメ格子データでのみ学習したモデルでも、チェッカーボード格子からのフラットバンド状態を正しく分類できた。
• フラットバンド状態の確率密度は、局在状態および拡張状態とは異なり、スパイク状で非一様な空間的分布を示す。
• フラットバンド状態は、異なる格子構造間で普遍的な形態的特徴を維持しており、微視的格子詳細に依存しない強靭で内因的な特徴であることが示された。
• 弱い局在効果による特徴のぼやけが顕著になる領域（v ≲ 0.06）では分類精度がわずかに低下し、フラットバンド特徴が徐々に消失する遷移領域が存在することが示唆された。