利用流形学习识别实验中的拓扑相变
Identifying Topological Phase Transitions in Experiments Using Manifold Learning
摘要：
我们展示了识别和分类的拓扑相变从实验数据使用扩散图：一个非本地无监督的机器学习方法。我们分析实验数据的光学系统进行拓扑相变，并证明这种方法的能力，以确定拓扑相变，即使当数据来源于系统的一小部分，甚至不包括边缘状态。
英文摘要：
We demonstrate the identification and classification of topological phase transitions from experimental data using Diffusion Maps: a nonlocal unsupervised machine learning method. We analyze experimental data from an optical system undergoing a topological phase transition and demonstrate the ability of this approach to identify topological phase transitions even when the data originates from a small part of the system, and does not even include edge states.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
