ترجمه فارسی مقاله پیش‌بینی متغیرهای توپولوژیکی و جفت‌سازی ابررسانای غیر متعارف از چگالی حالت‌ها و یادگیری ماشین

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Predicting topological invariants and unconventional superconducting pairing from density of states and machine learning
عنوان مقاله به فارسی پیش‌بینی متغیرهای توپولوژیکی و جفت‌سازی ابررسانای غیر متعارف از چگالی حالت‌ها و یادگیری ماشین
نویسندگان Flavio Noronha, Askery Canabarro, Rafael Chaves, Rodrigo G. Pereira
فرمت مقاله انگلیسی PDF
تعداد صفحات 10
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Superconductivity,Disordered Systems and Neural Networks,Strongly Correlated Electrons,ابررسانا , سیستم های بی نظم و شبکه های عصبی , الکترون های همبسته ,
توضیحات Submitted 29 August, 2024; originally announced August 2024. , Comments: 10 pages, 8 figures
توضیحات به فارسی ارسال شده 29 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 10 صفحه ، 8 شکل
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Competition between magnetism and superconductivity can lead to unconventional and topological superconductivity. However, the experimental confirmation of the presence of Majorana edge states and unconventional pairing currently poses a major challenge. Here we consider a two-dimensional lattice model for a superconductor with spin-orbit coupling and exchange coupling to randomly distributed magnetic impurities. Depending on parameters of the model, this system may display topologically trivial or nontrivial edge states. We map out the phase diagram by computing the Bott index, a topological invariant defined in real space. We then use machine learning (ML) algorithms to predict the Bott index from the local density of states (LDOS) at zero energy, obtaining high-accuracy results. We also train ML models to predict the amplitude of odd-frequency pairing in the anomalous Green's function at zero energy. Once the ML models are trained using the LDOS, which is experimentally accessible via scanning tunneling spectroscopy, our method could be applied to predict the number of Majorana edge states and to estimate the magnitude of odd-frequency pairing in real materials.

چکیده به فارسی (ترجمه ماشینی)

رقابت بین مغناطیس و ابررسانا می تواند منجر به ابررسانایی غیر متعارف و توپولوژیکی شود.با این حال ، تأیید تجربی از حضور حالتهای لبه Majorana و جفت شدن غیر متعارف در حال حاضر یک چالش بزرگ است.در اینجا ما یک مدل شبکه دو بعدی را برای یک ابررسانا با اتصال اسپین-مدار و جفت تبادل به ناخالصی های مغناطیسی به طور تصادفی توزیع می کنیم.بسته به پارامترهای مدل ، این سیستم ممکن است حالت های لبه ای از نظر توپولوژیکی یا غیرقانونی را نشان دهد.ما با محاسبه شاخص BOTT ، یک ثابت توپولوژیکی که در فضای واقعی تعریف شده است ، نمودار فاز را ترسیم می کنیم.سپس ما از الگوریتم های یادگیری ماشین (ML) برای پیش بینی شاخص BOTT از چگالی محلی حالتها (LDO) در انرژی صفر استفاده می کنیم و نتایج با دقت بالا را بدست می آوریم.ما همچنین مدلهای ML را آموزش می دهیم تا دامنه جفت شدن فرکانس عجیب و غریب در عملکرد سبز غیر عادی در انرژی صفر پیش بینی کنیم.هنگامی که مدل های ML با استفاده از LDO ها آموزش داده می شوند ، که از طریق طیف سنجی تونل سازی اسکن در دسترس است ، می توان از روش ما برای پیش بینی تعداد حالت های لبه Majorana و تخمین میزان جفت شدن فرکانس عجیب و غریب در مواد واقعی استفاده کرد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.