Aug, 2023

神经网络量子多体基态振幅的变分优化

PDF
TL;DR神经网络量子态（NQSs）是通过结合传统方法和深度学习技术进行变分优化的一种新方法，用于找到量子多体基态，并逐渐成为传统变分方法的竞争对手。本文将量子多体变分波函数拆分为实值振幅神经网络和符号结构的乘积，专注于振幅网络的优化，同时保持符号结构固定。我们的方法在三个典型的量子多体系统上进行了测试，所得到的基态能量低于或与传统变分蒙特卡罗（VMC）方法和密度矩阵重整化群（DMRG）相当。令人惊讶的是，在受挫型海森堡 $J_1$-$J_2$ 模型中，我们的结果优于文献中复值卷积神经网络，这意味着复值 NQS 的符号结构很难被优化。我们将来将研究 NQS 的符号结构优化。
neural-network quantum statesvariationally optimizedamplitude neural networkconvolutional neural networkoptimization of nqss
发现论文，激发创造
  • 神经网络波函数与符号问题

    本文提出了一种神经网络结构，能够有效表征量子态，应用于普通和受挫反铁磁体系，能够实现最先进的变分能量计算，从而揭示了存在与 Marshall 符号规则不符的、阻碍神经量子态基础变分蒙特卡洛访问系统真实基态的能量低态，本文对此进行了深入思考并提出了应对策略。

    Feb, 2020

  • 在崎岖的神经网络景观中学习非随机量子哈密顿量的基态

    研究了利用人工神经网络作为通用变分波函数描述强相互作用量子系统的表现，特别是对于方格上的自旋模型，提出了使用由两个解耦实值网络组成的近似形式，并采用具体的缓解策略克服了固有的数值不稳定性。

    Nov, 2020

  • 深度学习增强变分蒙特卡罗方法在量子多体物理中的应用

    文章介绍了采用深度神经网络结合重要性抽样梯度优化算法在数值量子多体计算中的应用，通过设计出高效的卷积神经网络结构，成功地计算出了一维 SU ($N$) 自旋链上的基态能量和环相关函数，并取得了与 Bethe-Ansatz 精确解的极好一致性。

    May, 2019

  • 基于变分 Monte Carlo 的近端优化神经网络量子态的基态搜索方案

    本文介绍了一种基于神经网络量子态 (NQS) 和变分蒙特卡罗 (VMC) 方法的优化算法，该算法使用多次梯度下降，通过重用不匹配的样本来实现近端优化 (PO)。使用该算法进行计算，得到了具有竞争力的能量值，进一步证明了其在一维横场伊辛模型和二维海森堡反铁磁体中的地状态搜索的有效性。

    Oct, 2022

  • 群卷积神经网络提高量子态准确度

    本文介绍如何使用 G-CNN 创建具有特定对称性质的量子状态的最大表现模型，并在经典算法中取得更好的性能表现。

    Apr, 2021

  • 具有神经网络假设的变分量子蒙特卡罗方法在开放式量子系统中的应用

    通过使用变分 Monte Carlo 方法和神经网络密度矩阵表示，我们开发了一种有效模拟开放量子系统非平衡稳定态的方法，并通过建模二维耗散性 XYZ 自旋模型进行测试。

    Feb, 2019

  • NNQS-Transformer: 一种有效可扩展的神经网络量子态方法用于从头计算的量子化学

    我们开发了一种基于转换器的神经网络量子态方法，用于从头计算电子结构，并采用数据中心的并行化方案，平行化的批量采样策略，以及计算有效的局部能源计算方法。对化学体系的研究表明，我们方法的精度优于现有技术，并且在大分子系统上具有良好的强弱可扩展性。

    Jun, 2023

  • 利用人工神经网络解决量子多体问题

    通过机器学习的波函数系统性降低了量子物理中多体问题的复杂度，通过基于人工神经网络的变化神经元的量子状态的变分表示和强化学习方案，能够准确地描述复杂相互作用量子系统的时间演变和平衡和动态特性，为解决量子多体问题提供了新的强有力的工具。

    Jun, 2016

  • 量子卷积神经网络

    我们介绍了一种新型的基于卷积神经网络的量子机器学习模型，并进行了分析。它采用了多尺度纠缠重正化基矢和量子纠错技术，具有高效的训练和实现能力，并展示了两个例子来证明其潜力。首先，我们使用 QCNN 准确识别了与一维对称保护拓扑相关的量子态，并发现其在整个参数范围内都能复制相图。其次，我们利用 QCNN 开发了一种优化给定误差模型的量子纠错方案，并发现其显著优于已知的可比较复杂度的量子码。最后，我们讨论了 QCNN 的潜在实验实现和拓展。

    Oct, 2018

  • 利用神经网络量子态研究二维受阻 J1-J2 模型

    使用卷积神经网络模型作为变分 ansatz，研究了二维受挫磁体的模型，证明了所得结果与现有的最先进方法相当甚至更好。

    Mar, 2019