MARC

 008250224s2024        us  ||||||||||||||c||eng  d
■001000017165045
■00520250211153117
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798384463139
■035    ▼a(MiAaPQ)AAI31693973
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a530
■1001  ▼aKeyes,  Lauren.
■24510▼aTopics  in  Condensed  Matter  Theory:  Berry  Curvature  Effects  in  Transport  and  Numerical  Analytic  Continuation.
■260    ▼a[S.l.]▼bThe  Ohio  State  University.  ▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a142  p.
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-04,  Section:  B.
■500    ▼aAdvisor:  Randeria,  Mohit.
■5021  ▼aThesis  (Ph.D.)--The  Ohio  State  University,  2024.
■520    ▼aThis  thesis  is  composed  of  two  unrelated  pieces  of  work:  the  first  develops  a  semiclassical  theory  of  transport  in  topological  magnets,  and  the  second  presents  a  machine  learning-based  method  of  numerical  analytic  continuation.In  Part  I,  we  calculate  the  electric  and  thermal  currents  carried  by  electrons  in  the  presence  of  general  magnetic  textures  in  three-dimensional  crystals,  including  three-dimensional  topological  spin  textures.  We  show,  within  a  controlled,  semiclassical  approach  that  includes  all  phase  space  Berry  curvatures,  that  the  transverse  electric,  thermoelectric,  and  thermal  Hall  conductivities  have  two  contributions  in  addition  to  the  usual  effect  proportional  to  a  magnetic  field.  These  are  an  anomalous  contribution  governed  by  the  momentum-space  Berry  curvature  arising  from  the  average  magnetization,  and  a  topological  contribution  determined  by  the  real-space  Berry  curvature  and  proportional  to  the  topological  charge  density,  which  is  non-zero  in  skyrmion  phases.  This  justifies  the  phenomenological  analysis  of  transport  signals  employed  in  a  wide  range  of  materials  as  the  sum  of  these  three  parts.  We  prove  that  the  Wiedemann-Franz  and  Mott  relations  hold,  even  in  the  presence  of  topological  spin  textures,  and  justifying  their  use  in  analyzing  the  transport  signals  in  these  materials.  This  theory  also  predicts  the  existence  of  the  in-plane  anomalous  and  topological  Hall  effects  in  three-dimensional,  low  symmetry  materials.  We  present  a  symmetry  analysis  which  predicts  when  the  in-plane  Hall  effect  (IPHE)  is  forbidden,  and  predict  which  crystal  structures  could  harbor  an  IPHE  which  is  larger  than  the  usual  out-of-plane  Hall  effect.In  Part  II,  we  present  a  method  of  numerical  analytic  continuation  of  determinantal  Quantum  Monte  Carlo  (DQMC)  Green's  functions,  utilizing  an  unsupervised  neural  network  (NN).  Many  have  used  supervised  machine  learning  methods  to  attack  this  problem,  but  the  most  interesting  applications  of  DQMC  are  on  systems  in  which  the  physical  state  is  totally  unknown,  so  it  is  advantageous  to  use  an  unsupervised  NN,  which  requires  no  prior  knowledge  of  the  system's  physical  state.  This  autoencoder-type  NN  trains  on  real  DQMC  data,  training  the  NN  to  produce  spectral  functions  which  reproduce  the  DQMC  data  as  closely  as  possible.  Regularization  is  provided  by  1)  a  pretraining  step,  which  trains  the  NN  on  general  characteristics  of  spectral  functions,  and  2)  the  imposition  of  limited  physical  assumptions,  such  as  sum  rules.  Ultimately,  this  NN  is  shown  to  outperform  the  standard  maximum  entropy  method  on  the  analytic  continuation  of  noisy  data,  thus  saving  computational  effort.
■590    ▼aSchool  code:  0168.
■650  4▼aPhysics.
■650  4▼aCondensed  matter  physics.
■650  4▼aComputer  science.
■650  4▼aComputational  physics.
■653    ▼aTopological  Hall  effects
■653    ▼aTransport  theory
■653    ▼aSemiclassical  transport
■653    ▼aBerry  curvature
■653    ▼aTopological  magnets
■690    ▼a0611
■690    ▼a0605
■690    ▼a0984
■690    ▼a0800
■690    ▼a0216
■71020▼aThe  Ohio  State  University▼bPhysics.
■7730  ▼tDissertations  Abstracts  International▼g86-04B.
■790    ▼a0168
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17165045▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서