[論文レビュー] Transformer Wave Function for two dimensional frustrated magnets: emergence of a Spin-Liquid Phase in the Shastry-Sutherland Model

Luciano Loris Viteritti, Riccardo Rende+3 more|arXiv (Cornell University)|Nov 28, 2023

Nonlinear Dynamics and Pattern Formation被引用数 8

ひとこと要約

この論文は、Shastry-Sutherland模型に対するVision Transformerベースの変分波動関数を提案し、高精度の基底状態エネルギーとプラケット秩序と Néel秩序の間のスピン液体相の証拠を提供します。

ABSTRACT

Understanding quantum magnetism in two-dimensional systems represents a lively branch in modern condensed-matter physics. In the presence of competing super-exchange couplings, magnetic order is frustrated and can be suppressed down to zero temperature. Still, capturing the correct nature of the exact ground state is a highly complicated task, since energy gaps in the spectrum may be very small and states with different physical properties may have competing energies. Here, we introduce a variational Ansatz for two-dimensional frustrated magnets by leveraging the power of representation learning. The key idea is to use a particular deep neural network with real-valued parameters, a so-called Transformer, to map physical spin configurations into a high-dimensional feature space. Within this abstract space, the determination of the ground-state properties is simplified and requires only a shallow output layer with complex-valued parameters. We illustrate the efficacy of this variational Ansatz by studying the ground-state phase diagram of the Shastry-Sutherland model, which captures the low-temperature behavior of SrCu$_2$(BO$_3$)$_2$ with its intriguing properties. With highly accurate numerical simulations, we provide strong evidence for the stabilization of a spin-liquid between the plaquette and antiferromagnetic phases. In addition, a direct calculation of the triplet excitation at the $Γ$ point provides compelling evidence for a gapless spin liquid. Our findings underscore the potential of Neural-Network Quantum States as a valuable tool for probing uncharted phases of matter, and open up new possibilities for establishing the properties of many-body systems.

研究の動機と目的

• 高度に frustrationのある二次元量子磁性体の研究動機づけとスピン液体状態の探索。
• Transformerベースのアーキテクチャを用いたニューラルネットワーク量子状態を開発し、基底状態特性の高精度化を達成。
• 正確な解と他の数値法による検証のためMethodをベンチマーク。
• Shastry-Sutherland模型の基底状態相図を作成し、潜在的なスピン液体領域を特定。

提案手法

• 実数値ディープTransformerがスピン配置を隠れ特徴ベクトルzに写像するニューラルネットワーク状態を定義。
• zからLog[Ψ(σ)]を出力する浅い複素数値ネットワークを用いて振幅と位相の双方を表現。
• 入力スピン配置をパッチに埋め込み、Vision Transformerブロックで処理し、パッチ出力を総和してzを得る。
• 最適化を簡素化し現代の深層学習理論を活用するため実数値Transformerパラメータを採用。
• 確率的再構成法（Stochastic Reconfiguration）を介して変分パラメータを訓練し、変分エネルギーを最小化。
• 正確な対角化およびDMRGベンチマークとエネルギー、スピン相関、秩序パラメータを比較。

実験結果

リサーチクエスチョン

• RQ1 Transformerベースのニューラルネットワーク量子状態は高度に frustratedな2Dスピンモデルの基底状態エネルギーを高精度で得られるか。
• RQ2 ViTベースのアンサンブルはShastry-Sutherland模型において plaquetteと Néel相の間にスピン液体領域を明らかにするか。
• RQ3 相図全体でのスピン-スピン相関と plaquette-plaquette相関はどう振る舞い、スピン液体を示すか。

主な発見

2 layers	4 layers	8 layers	Extrap.
-0.451664	-0.451699	-0.451707	-0.451750
-0.448545	-0.448839	-0.448925	-0.449207

• ViTベースの変分状態は6×6〜14×14格子で高精度なエネルギーを得て、利用可能な場合には厳密解に近づく。
• J/J′ ≈ 0.77–0.82付近で plaquette秩序と Néel秩序の間にスピン液体領域の証拠が示唆され、秩序パラメータと相関比の消失から推定。
• スピン-スピン相関と plaquette相関は低J/J′で plaquette秩序、高J/J′で Néel秩序と整合し、中間領域で秩序が低下。
• m2(L)とmp(L)の熱力学的外挿は plaquetteと Néel相の間にスピン液体領域を示し、 plaquette相関比の交差点で支持。
• ViTが獲得した隠れ表現zは振幅類似性によって構成をクラスタリングし、最終振幅予測を単純化。
• アテンションマップは初期層でグローバルなパッチ間相互作用を示し、格子対称性を反映する並進不変なアテンション重みを示す。