Not logged in.

Quick Search - Contribution

Contribution Details

Type Master's Thesis
Scope Discipline-based scholarship
Title Finding designing principles for systems with flat bands using machine learning algorithms
Organization Unit
Authors
  • Albert Anguera Sempere
Supervisors
  • Oleg Yazyev
  • Marta Brzezinska
  • Davide Scaramuzza
Language
  • English
Institution University of Zurich
Faculty Faculty of Business, Economics and Informatics
Date 2022
Abstract Text The discovery of the coexistence of flat bands in the band structure with interesting physical properties such as superconductivity, bosonic condensation, quantum memory and materials with high correlations, has recently become a very relevant line of research. Much research has been done while seeking design principles for the existence of flat bands. To assess this, some authors tried to generate a mathematical definition of a well-behaved flat band, in order to be able to perform a high-throughput search of materials containing those. Additionally, other authors tried to find patterns that relate these bands and the geometrical structure of the sublattices that form the atoms of the material of study. However, so far no general principles have been found to predict the existence of flat bands. Motivated by this fact, several data-driven models: gradient boosting trees and neural networks, were used to predict the existence of flat bands in the band structure. Those models were fed with material data computed within density functional theory framework. The goal was to find general features that help to predict the presence of flat bands in the band structure. It has been seen that for this particular task, there is no need of tuning high complexity models such as neural networks. It is sufficient to use simpler models as gradient boosting trees, which are able to solve this problem with high accuracy.
Zusammenfassung Die Entdeckung der Koexistenz von flachen Bändern in der Bandstruktur mit interessanten physikalischen Eigenschaften, wie Supraleitung, bosonischer Kondensation, Quantenspeicher und Materialien mit hohen Korrelationen, ist in letzter Zeit zu einem sehr wichtigen Forschungsgebiet geworden. Auf der Suche nach Design-Prinzipien für die Existenz von flachen Bändern wurde viel Forschung betrieben. Um dies zu beurteilen, haben einige Autoren versucht, eine mathematische Definition eines gut funktionierenden flachen Bandes zu erstellen, um eine «high-throughput» Suche nach Materialien, die solche enthalten, durchführen zu können. Darüber hinaus haben andere Autoren versucht, Muster zu finden, die einen Zusammenhang zwischen diesen Bändern und der geometrischen Struktur, der von den Atomen des untersuchten Materials gebildeten Untergitter herstellen. Bislang wurden jedoch noch keine allgemeinen Grundsätze für die Vorhersage der Existenz flacher Bänder gefunden. Aus diesem Grund wurden verschiedene datengesteuerte Modelle verwendet («Gra- dient Boosting Tree» und neuronale Netze), um die Existenz von flachen Bändern in der Bandstruktur vorherzusagen. Diese Modelle wurden mit Materialdaten gefüttert, die im Rahmen der «density functional theory» berechnet wurden. Ziel war es, allgemeine Merkmale zu finden, die helfen, die Existenz von flachen Bändern in der Bandstruktur vorherzusagen. Es hat sich gezeigt, dass es für diese spezifische Aufgabe nicht notwendig ist, hochkomplexe Modelle wie neuronale Netze anzuwenden. Es ist ausreichend, einfachere Modelle wie «Gradient Boosting Trees» zu verwenden, die dieses Problem mit hoher Genauigkeit lösen können.
PDF File Download
Export BibTeX