近日，理学院计算物理团队张云波教授与青年教师戴传铭，魏兴波，以及云南大学刘彦霞副研究员合作在国际著名物理期刊《Phys. Rev. E》上发表了题为“Two mass-imbalanced atoms in a hard-wall trap: Deep learning integrability of many-body systems”的学术论文。
浙江理工大学21级研究生郎理恒和路启晨为文章的共同第一作者，张云波教授为通讯作者，浙江理工大学为第一论文署名单位。该工作得到了浙江理工大学科研启动科学基金，浙江省自然科学基金、以及国家自然科学基金的支持。
工作简介：
可积系统的研究能够极大地促进我们对多体物理的理解。该工作设计了一系列数值实验，通过能级统计和波函数的深度学习来分析质量不平衡的二体系统的可积性。可积系统的一个特性是产生水平能级，并且能级间距分布由 Brody分布拟合后，拟合参数ω明确划分出可积和不可积质量比的分界线ω=0。另一方面，波函数形态也是分析可积系统的重要特征，仅由波函数概率密度构建的卷积神经网络可以高精度地识别可积系统和不可积系统之间的过渡点。该网络应用的泛化性体现在利用已知可积模型（等质量比）的学习来识别其他质量比的可积性，网络以98.22%的置信度预测出质量比为1/3时系统可积。该工作中，神经网络的鲁棒性通过对抗学习得到进一步增强，其中对抗样本分别由可积与不可积状态的波函数及其概率密度产生。由波函数叠加生成的量子对抗样本，对网络的干扰同样反映出可积和不可积波函数的不同特征。
论文信息
Liheng Lang, Qichen Lu, C. M. Dai, Xingbo Wei, Yanxia Liu, and Yunbo Zhang, Phys. Rev. E 110, 024129 (2024).
https://link.aps.org/doi/10.1103/PhysRevE.110.024129
DOI: 10.1103/PhysRevE.110.024129
