Dec, 2021

变分蒙特卡洛模拟的显式反对称神经网络层

PDF
TL;DR本文提出了一种显式反对称通用神经网络层来替代高精度费米核（FermiNet）的整个反对称层，即 FermiNet-GA 结构，同时研究了差不多完全推导出基态能，即 full single-determinant FermiNet 模式以及另一个 FA 层，但发现这两者并没有超过 FermiNet 模式，说明反对称性的总和乘积是限制 FermiNet 的关键因素之一。
neural networksquantum monte carlo methodselectronic structure calculationsantisymmetric layerferminet
发现论文，激发创造
  • $O (N^2)$ 费米子神经网络中的全局反对称性

    本文提出了一种基于 Fermionic 神经网络和排列等变结构的方法用于解决多电子 Schrödinger 方程，使用分块反对称构建代替 Slater 行列式以减小计算成本。该方法通过连续逼近器实现波函数的基态表示。

    May, 2022

  • 关于用符号等变神经网络表示电子波函数

    最近的神经网络展现出对电子基态波函数的精确逼近。在本研究中，我们探索了一种反转的方法，首先根据电子坐标计算反对称量，然后应用对称性等变的神经网络以保持反对称性。我们的实证结果表明，这种方法将简化为一个 Jastrow 因子，它是波函数中常用的置换不变的乘法因子。在本研究的评估中，我们得出了对于用于表示电子波函数的符号等变函数既没有理论优势也没有实证优势的结论。

    Mar, 2024

  • 用于量子自旋液体的近似对称神经网络

    我们提出并分析了一种近似对称的神经网络家族，用于量子自旋液体问题。我们的方法在参数效率、可扩展性方面明显优于现有的无对称神经网络体系结构，并利用混合场拓扑码模型证明我们的方法与现有的张量网络和量子蒙特卡罗方法相竞争。此外，在最大的系统尺寸（N=480）下，我们的方法可以探索存在量子蒙特卡罗和有限尺寸矩阵乘积态无法解决的带有符号问题的哈密顿量。该网络包含一个完全对称的块以及一个非对称的块，我们认为它学习了类似准绝热延续的基态变换。我们的工作为在可解释的神经网络架构下研究量子自旋液体问题铺平了道路。

    May, 2024

  • 更好、更快的费米子神经网络

    本研究提出了多项改进，包括增加神经网络规模、在 JAX 中实现 FermiNet 并简化部分网络等方式，将 FermiNet 在大型系统上的训练所需 GPU 时间减少一个数量级，从而成功应用于多电子系统中，在氩等大型原子上实现化学精度，比较自由基的自发异构反应和转化反应，取得了接近最新技术水平的结果。

    Nov, 2020

  • 量子蒙特卡洛梳理

    分子建模在量子级别需要选择一个能够尊重所需粒子对称性并可扩展到多粒子系统的波函数参数化。本文通过引入一种基于排序的新的反对称化层（称为 sortlet），在注意力神经网络骨干上应用该反对称化层，得到了一种灵活的波函数参数化形式，能够在逼近一周期元素原子和小分子基态时达到化学精确度。

    Nov, 2023

  • 采用深度神经网络求解多电子薛定谔方程

    本文提出了新颖的深度学习架构 —— 费米神经网络作为用于处理许多电子系统的有效波函数仿真，该方法可以在各种原子和小分子上获得比其他变分量子蒙特卡罗 Ansätze 更高的精度，优于其他从头开始的量子化学方法，可以直接优化之前难以处理的许多电子系统的波函数。

    Sep, 2019

  • 超流体的神经波函数

    使用 FermiNet 神经网络框架在变分蒙特卡洛算法中研究强相互作用、超流体状态的费米气体。我们发现原 FermiNet 架构存在限制，提出了简单的修改方案以提高精度，并证明了新架构相对于原架构的优势。该方法可以推广到其他超流体系统的研究。

    May, 2023

  • 使用扩散蒙特卡罗模拟最先进的费米神经网络波函数

    本文介绍了一种基于神经网络的 fermionic 系统的地面状态模型，使用 Diffusion Monte Carlo 改进了模型的结果，并针对模型进行了多个修改，使其在占用更少资源的同时保持或提高建模性能。 Diffusion Monte Carlo 的结果超过或与所有研究的系统的最先进性能相匹配。

    Mar, 2021

  • 使用深度神经网络构建量子多体系统的精确表示

    我们开发了一种构造性方法来生成人工神经网络，代表大量多体格子哈密顿量的准确基态。它基于深层玻尔兹曼机架构，在其中，隐藏层的两层中介绍了可见层中的物理自由度之间的量子相关性。通过对物理和神经元自由度的配置进行采样，可以测量物理量，并获得基态的紧凑、准确的网络表示，而且完全是确定性的。有了我们的方法，作为多体量子系统的紧凑、经典表示，它是标准路径积分的一种替代方案，也有可能对基于受限玻尔兹曼机架构的数值方法进行系统改进。

    Feb, 2018

  • 基于费米子神经网络的从头算电子结构态

    本文介绍了一种将神经网络量子态扩展到相互作用费米子问题建模的方法，并使用该方法在多个二原子分子上进行电子结构计算，并将其与耦合簇方法和波函数的许多体变分态进行了基准测试，最终达到化学精确度或更好的水平。

    Sep, 2019