利用机器学习和噪声对主动物质中的不同运动引起的状态进行表征
摘要：通过机器学习和噪声波动分析，我们研究了二维运动-翻滚圆盘系统中的运动诱导相分离（MIPS）现象。我们的测量结果表明，在MIPS状态下，密度和运动时间存在几个不同的区域，因此具有MIPS转变的系统表现出活跃流体、活跃晶体和临界区域。通过将主成分分析中提取的序参数与聚类稳定性测量相结合，可以检测出不同的区域。主成分派生的序参数在临界区域达到最大值，在活跃流体中保持较低，在活跃晶体区域则具有中等数值。我们证明了与最大聚类大小等更标准的结构性测量相比，机器学习可以更好地捕捉MIPS区域的动力学特性。不同的区域还可以通过平均速度波动的噪声功率的变化来表征。在临界区域，噪声功率经历了最大值，并且具有广谱的$1/f^{1.6}$特征，类似于接近解耦转变或经历塑性变形的固体所观察到的噪声。
作者：D. McDermott, C. Reichhardt, and C.J.O. Reichhardt
论文ID：2308.07296
分类：Soft Condensed Matter
分类简称：cond-mat.soft
提交时间：2023-08-15