AIが解く世界の難問 · 物理学 · arXiv · 2026-10-19
結晶性磁性体の応答テンソルを物理情報付き機械学習で予測：カゴメ金属への適用
原題: Physics-Informed Machine Learning for Response Tensors in Crystalline Magnets: Application to Kagome Metals
非共線磁性体では、磁気テクスチャから応答テンソルを予測することが重要な課題である。既存の記述子は一次の多極子展開に限られるか、単純な磁気構造にしか適用できなかった。本研究では、任意の結晶構造と磁気テクスチャに対応する対称性不変な記述子基底を構築し、主成分分析を修正して階層的に安定な無相関の秩序変数を導出した。これを磁性カゴメ格子の異常ホール伝導度の回帰と分類に適用し、線形回帰が有効な領域では、回帰係数の二乗がジップ型のべき乗則に従うことを見いだした。