Learning pairing symmetries in disordered superconductors using spin-polarized local density of states
Learning pairing symmetries in disordered superconductors using spin-polarized local density of states
复制标题
使用自旋极化局部态密度学习无序超导体中的配对对称性
DOI：
10.1088/1367-2630/ab8261
复制
发表时间：
2020-05
影响因子：
3.3
通讯作者：
Zhang Ye-Qi
中科院分区：
文献类型：
--
作者：
Chen Liang;Wang Chen-Xi;Han Rong-Sheng;Zhang Ye-Qi
我们构造了一个人工神经网络来研究无序超导体中的配对对称性。对于具有s波、d波和双对势的正方形晶格上的哈密顿量，我们使用干净系统中磁性杂质附近的自旋极化局域态密度来训练神经网络。我们发现，当人工神经网络的深度足够大时，它将有能力预测无序超导体中的配对对称性。在一个大的参数制度的潜在的障碍，人工神经网络预测正确的配对对称性相对较高的置信度。
We construct an artificial neural network to study the pairing symmetries in disordered superconductors. For Hamiltonians on square lattice with s-wave, d-wave, and nematic pairing potentials, we use the spin-polarized local density of states near a magnetic impurity in the clean system to train the neural network. We find that, when the depth of the artificial neural network is sufficient large, it will have the power to predict the pairing symmetries in disordered superconductors. In a large parameter regime of the potential disorder, the artificial neural network predicts the correct pairing symmetries with relatively high confidences.
登录
查看更多内容
影响因子：
19.6
作者：
Menard, Gerbold C.;Guissart, Sebastien;Cren, Tristan
通讯作者：
Cren, Tristan
影响因子：
8.6
作者：
T. Asaba;B. Lawson;C. Tinsman;Lu Chen;P. Corbae;Gang Li;Y. Qiu;Y. Hor;Lu Li;L. Fu
通讯作者：
T. Asaba;B. Lawson;C. Tinsman;Lu Chen;P. Corbae;Gang Li;Y. Qiu;Y. Hor;Lu Li;L. Fu
影响因子：
8.6
作者：
C. Tsuei;J. Kirtley;C. Chi;L. Yu-Jahnes;A. Gupta;T. Shaw;Jonathan Z. Sun;M. Ketchen
通讯作者：
C. Tsuei;J. Kirtley;C. Chi;L. Yu-Jahnes;A. Gupta;T. Shaw;Jonathan Z. Sun;M. Ketchen
DOI：
10.1103/physrevb.79.115112
发表时间：
2009-01
期刊：
ArXiv
影响因子：
--
作者：
E. Polizzi
通讯作者：
E. Polizzi
DOI：
10.1137/13090866x
发表时间：
2013-02
期刊：
SIAM J. Matrix Anal. Appl.
影响因子：
--
作者：
P. Tang;E. Polizzi
通讯作者：
P. Tang;E. Polizzi