Key points are not available for this paper at this time.
위상 밴드 구조에 대한 연구는 응집 물질 물리학 및 그 외 분야에서 활발한 연구 영역입니다. 여기에서는 이 분야의 최근 발전과 또 다른 관심 주제인 기계 학습의 발전을 결합합니다. 구체적으로, 우리는 해밀토니안 간의 아디아바틱 변형 경로를 검색하고 검색하는 비감독 기계 학습 접근 방식을 도입하여, 이를 통해 위상적 성질에 따라 군집화합니다. 이 알고리즘은 해밀토니안의 특정 매개변수화에 의존하지 않으므로 일반적이며, 모든 대칭 클래스에 쉽게 적용 가능합니다. 우리는 여러 다른 모델을 사용하여 이 접근 방식을 보여주며, 1차원 및 2차원에서 서로 다른 대칭 클래스를 가진 경우와 가지지 않은 경우를 다룹니다. 따라서, 일반적으로 지정된 트리비얼 원자 절연체 세트와 비교하여 트리비얼 및 위상적 위상을 진단할 수 있는 방법도 보여줍니다.
Scheurer 외 (Mon,)는 이 질문을 연구했습니다.