无监督机器学习重构双线性-双二次自旋1链相图

Ming-Chiang Chung 等在 arXiv 论文 2610.19995v1 中，用其先前开发的无标签机器学习流程重构了自旋-1双线性-双二次链（以双线性与双二次耦合夹角 θ 参数化）的相图：autoencoder 将 iDMRG 关联矩阵压缩为潜在特征，再用 K-means 聚类和轮廓分析分组。 无需任何先验标签，该流程识别出四类相：Haldane 相、二聚化相、临界三聚化相和铁磁相，并分析了不同关联函数在重构相图中的作用。该结果基于论文摘要，属数值方法研究，尚无独立复现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。