AI 與世界的難題 · 物理學 · arXiv · 2026-10-19
用於晶體磁體響應張量的物理資訊機器學習：以 Kagome 金屬為例
原標題: Physics-Informed Machine Learning for Response Tensors in Crystalline Magnets: Application to Kagome Metals
從磁性紋理預測響應張量是非共線磁體中的一項關鍵挑戰，而現有的描述符僅限於一階多極展開或簡單的磁結構。作者針對任意晶體結構建構了完整的對稱不變描述符基底，並修改主成分分析，以導出彼此不相關且具層級穩定性的序參量。應用於磁性 kagome 晶格的反常霍爾電導率時，在線性迴歸表現良好的區間內，迴歸係數的平方呈現類似 Zipf 的冪律分布。