量子科技中心_量科网

机器学习正在重塑该团队对拓扑物质的探索——这类物质的存在本质上与量子态或能谱的几何特性紧密相关。在非厄米体系中，独特的谱几何结构可导致复能带的拓扑编织，但直接观测这种拓扑-几何相互作用仍具挑战性。该研究团队在此提出基于Transformer的机器学习框架来捕捉这种相互作用，并在耗散性冷原子模拟器中进行了实验验证。研究人员利用玻色-爱因斯坦凝聚体制备了可调谐耗散二能级系统，其复本征能量形成了编织结构。由于密度依赖的耗散效应，瞬时能量编织在短时间和长时间尺度上展现出拓扑性质迥异的结构。Transformer不仅能精确预测不同能量编织的拓扑不变量，还通过其自注意力机制自主识别出能带交叉点这一关键几何特征。该工作为机器学习引导的冷原子及其他体系非厄米拓扑相研究开辟了新途径。