Buchumschlag

Machine Learning Force-Field Approach for Itinerant Electron Magnets

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Sheng, Fan, Yunhao, Shimizu, Kotaro, Chern, Gia-Wei
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Strongly Correlated Electrons Machine Learning Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Equivariant Neural Networks for Force-Field Models of Lattice Systems
von: Fan, Yunhao, et al.
Veröffentlicht: (2026)

Machine learning nonequilibrium phase transitions in charge-density wave insulators
von: Fan, Yunhao, et al.
Veröffentlicht: (2026)

Machine-learning force-field models for dynamical simulations of metallic magnets
von: Chern, Gia-Wei, et al.
Veröffentlicht: (2026)

Machine-learning modeling of magnetization dynamics in quasi-equilibrium and driven metallic spin systems
von: Chern, Gia-Wei, et al.
Veröffentlicht: (2026)

Graph neural network force fields for adiabatic dynamics of lattice Hamiltonians
von: Fan, Yunhao, et al.
Veröffentlicht: (2026)

Coarsening of chiral domains in itinerant electron magnets: A machine learning force field approach
von: Fan, Yunhao, et al.
Veröffentlicht: (2024)

Transformer Learning of Chaotic Collective Dynamics in Many-Body Systems
von: Jang, Ho, et al.
Veröffentlicht: (2026)

Machine learning force-field model for kinetic Monte Carlo simulations of itinerant Ising magnets
von: Tyberg, Alexa, et al.
Veröffentlicht: (2024)

Echo State network for coarsening dynamics of charge density waves
von: Dinh, Clement, et al.
Veröffentlicht: (2024)

Enhanced coarsening of charge density waves induced by electron correlation: Machine-learning enabled large-scale dynamical simulations
von: Yang, Yang, et al.
Veröffentlicht: (2024)

Nonequilibrium Dynamics of Gating-Induced Resistance Transition in Charge Density Wave Insulators
von: Zhang, Sheng, et al.
Veröffentlicht: (2022)

Learning Degenerate Manifolds of Frustrated Magnets with Boltzmann Machines
von: Jang, Ho, et al.
Veröffentlicht: (2025)

Machine Learning Modeling of Charge-Density-Wave Recovery After Laser Melting
von: Bakshi, Sankha Subhra, et al.
Veröffentlicht: (2026)

Kinetics of orbital ordering in cooperative Jahn-Teller models: Machine-learning enabled large-scale simulations
von: Ghosh, Supriyo, et al.
Veröffentlicht: (2024)

Graph Neural Networks in the Wilson Loop Representation of Abelian Lattice Gauge Theories
von: Rayat, Ali, et al.
Veröffentlicht: (2026)

Gauge-Equivariant Graph Neural Networks for Lattice Gauge Theories
von: Rayat, Ali, et al.
Veröffentlicht: (2026)

Kinetics of Peierls dimerization transition: Machine learning force-field approach
von: Jang, Ho, et al.
Veröffentlicht: (2025)

Provably Efficient Adiabatic Learning for Quantum-Classical Dynamics
von: Peng, Changnan, et al.
Veröffentlicht: (2024)

Emergent Spatial Textures from Interaction Quenches in the Hubbard Model
von: Bakshi, Sankha Subhra, et al.
Veröffentlicht: (2026)

Schwinger-Boson Mean-Field Study of the Anisotropic Kagome Antiferromagnet
von: Bakshi, Sankha Subhra, et al.
Veröffentlicht: (2026)

Suppressed coarsening after an interaction quench in the Holstein chain
von: Jang, Ho, et al.
Veröffentlicht: (2026)

Photo-induced pattern formations and melting of charge-density-wave order
von: Yang, Lingyu, et al.
Veröffentlicht: (2024)

Pattern formation in charge density wave states after a quantum quench
von: Yang, Lingyu, et al.
Veröffentlicht: (2023)

Electronic glasses from a broken gauge symmetry in disorder-free systems
von: Yang, Lingyu, et al.
Veröffentlicht: (2024)

Analytic Formulas for the Anomalous Hall Effect in Itinerant Magnets
von: Savary, Lucile
Veröffentlicht: (2025)

Reevaluating Quantum Geometric Criteria for Itinerant Magnetic Instabilities
von: Yang, Min-Fong
Veröffentlicht: (2026)

Unprecedented Spin-Lifetime of Itinerant Electrons in Natural Graphite Crystals
von: Márkus, Bence G., et al.
Veröffentlicht: (2025)

Convolutional neural networks for large-scale dynamical modeling of itinerant magnets
von: Cheng, Xinlun, et al.
Veröffentlicht: (2023)

From higher-order moments to time correlation functions in strongly correlated systems: A DMRG-based memory kernel coupling theory
von: Liu, Yunhao, et al.
Veröffentlicht: (2025)

Anomalous coarsening and nonlinear diffusion of kinks in an one-dimensional quasi-classical Holstein model
von: Jang, Ho, et al.
Veröffentlicht: (2025)

Revisiting 9Be Nuclear Magnetic Resonance in UBe13: Itinerant-Localized Duality and Possible Fermi Surface Reconstruction at High Magnetic Field
von: Matsuki, Rintaro, et al.
Veröffentlicht: (2026)

Explorative Curriculum Learning for Strongly Correlated Electron Systems
von: Yamazaki, Kimihiro, et al.
Veröffentlicht: (2025)

Deep Variational Free Energy Calculation of Hydrogen Hugoniot
von: Li, Zihang, et al.
Veröffentlicht: (2025)

Generalized Lanczos method for systematic optimization of neural-network quantum states
von: Wang, Jia-Qi, et al.
Veröffentlicht: (2025)

Neural Autoregressive Control Variates for the Quantum Monte Carlo Sign Problem
von: Qiao, Bei, et al.
Veröffentlicht: (2026)

Pseudospin Formulation of Quench Dynamics in the Semiclassical Holstein Model
von: Yang, Lingyu, et al.
Veröffentlicht: (2026)

Electronic frictional effects near metal surfaces with strong correlations
von: Liu, Yunhao, et al.
Veröffentlicht: (2025)

Machine Learning Assisted Characterization of Labyrinthine Pattern Transitions
von: Shimizu, Kotaro, et al.
Veröffentlicht: (2023)

Bootstrap Embedding for Interacting Electrons in Phonon Coherent-state Mean Field
von: Islam, Shariful, et al.
Veröffentlicht: (2026)

Phase-space networks and connectivity of the kagome antiferromagnet
von: Le, Brandon B., et al.
Veröffentlicht: (2026)