使用神经网络量子态精确计算二维时空中 Z_N 格点规范理论的基态，并通过转移学习研究其拓扑相和限制相变。在 Z_2 和 Z_3 情况下，分别发现了连续相变和弱一级相变，并计算了临界指数和临界耦合，表明神经网络量子态在格点规范理论研究中有很大潜力。

May, 2024

该研究提出了一种有效的策略来控制量子多体一维非可积系统，可以与密度矩阵重整化群等张量网络模拟方法相结合，通过该策略可以把超流体气体转化为莫特绝缘体的时间缩短两个数量级，并减少缺陷。最后，研究表明最优脉冲对原子数的波动具有鲁棒性。

Mar, 2010

通过机器学习流模型抽样算法实现格点规范场理论，在二维 U (1) 规范理论中的应用表明该方法在采样拓扑量方面比混合 Monte Carlo 和热浴等传统采样方法高效数倍。

Mar, 2020

开发了一种第一量子化深度神经网络技术，用于分析格上强耦合费米系统，利用深度残差网络和卷积残差块确定了最近邻相互作用方格点阵上自旋无粒子的基态，较小系统的结果与精确对角化结果比较一致，且具有很高的精度，可以在大系统中准确预测金属和电荷有序相之间的边界。

Jul, 2020

本文介绍了一种称为等变规范神经网络量子态的方法，用于有效模拟具有局部规范不变性的多体量子系统，并在 Z2 规范群的特殊情况下展示了规范等变结构的解决方案，并结合变分量子蒙特卡罗方法来获得 Z2 理论的基态波函数的紧凑描述，以及证明 Wilson 环序参量的固定 / 非固定相变。

Dec, 2020

通过变分模拟费米子系统，利用 Givens 旋转思想，使用定制化的算法来改善我们的实验的有效保真度，并在对链状分子及联环分子的模拟中建立起基础来扩大更复杂分子的相关量子模拟。

Apr, 2020

通过系统 - 沉积物耦合的适当设计，可以将开放的量子系统驱动到给定的纯量子状态，这为通过量子沉积物工程制备多体状态和非平衡量子相提供了一条路。我们在这里详细讨论了玻色子和成对费米子的驱动耗散 Bose Einstein 凝聚的例子，其中光学晶格中的原子通过代表局部耗散的原子电流与 Bogoliubov 激发的浴相耦合。

Mar, 2008

我们考虑了从 Boltzmann 分布中采样离散场配置的问题，并通过运算符学习将其建模为一个时间相关的算子，该算子可以将自由理论和目标理论的泛函分布相互映射。我们的实验证明，基于此种算子的流架构在尺寸超过训练集的晶格中的表现良好，并且通过在较小的晶格上进行预训练可以提高训练速度。

Jan, 2024

演示了在强相互作用区域内通过控制量子游走来研究强关联结构及高保真度量子信息处理，包括观测到的两粒子量子游走中相关性的出现以及在倾斜光学晶格中出现的强关联布洛赫振荡等基本效应，这种方法可以扩展到更大的系统，极大地扩展了通过量子游走可访问的问题类别。

Sep, 2014

使用空腔方法，我们提出了一种非微扰的 Bethe 格子自旋玻璃问题的解决方法，其逼近等级等同于单步复制对称性破缺解决方案，并且可以用于出现在组合优化中的许多有限连接问题。

Sep, 2000