Red neuronal de eco para el refinamiento de la dinámica de las ondas de densidad de carga

Área de la Ciencia:

• Física de la materia condensada
• Ciencia de materiales
• Física computacional

Sus antecedentes:

• Las redes neuronales de eco (ESN) son un tipo de computación de reservorio que utiliza redes neuronales recurrentes con capas ocultas dispersas.
• Las ESN ofrecen un proceso de entrenamiento simplificado en comparación con otras redes neuronales recurrentes y capturan eficazmente dinámicas espacio-temporales complejas.

Objetivo del estudio:

• Desarrollar un modelo ESN para simular la dinámica de refinamiento de las ondas de densidad de carga (CDW).
• Investigar la aplicación de las ESN en el modelado de la formación de patrones en materiales electrónicos funcionales.

Principales métodos:

• Se construyó una ESN para modelar la dinámica de CDW dentro de un modelo semiclásico de Holstein.
• Las entradas comprendieron parámetros de orden de CDW locales; la salida predijo el orden de CDW del siguiente paso de tiempo.
• Las simetrías de la red se incorporaron diseñando cuidadosamente los acoplamientos entre la capa oculta y los nodos de entrada.

Principales resultados:

• La ESN modeló con éxito la dinámica de refinamiento de las CDW, exhibiendo una modulación de la densidad electrónica en tablero de ajedrez.
• La ESN demostró escalabilidad y transferibilidad, con modelos entrenados en sistemas más pequeños aplicables a redes más grandes.

Conclusiones:

• Las ESN proporcionan un método eficiente y escalable para el modelado dinámico de la formación de patrones en materiales electrónicos.
• Este trabajo abre nuevas posibilidades para simular dinámicas complejas en materiales funcionales utilizando computación de reservorio.