Mar, 2024

时间相关多电子薛定谔方程的基于第一原理的变分波函数

PDF
TL;DR这项研究介绍了一种变分方法，用于描述多电子量子系统的时间演化，在捕捉多体相关性方面超越平均场近似，通过参数化时间演化的量子态来近似状态的演化，并利用时间相关的 Jastrow 因子和反流变换来考虑电子的相关性。研究还展示了使用神经网络来参数化这些函数的方法，并通过三个不同的系统进行了验证。结果显示我们的变分方法能够准确捕捉量子态的时间演化，揭示了相互作用电子系统的量子动力学，超越了平均场方法的能力。
many-electron quantum systemsvariational approachtime-dependent wave functionselectron correlationsvariational monte carlo technique
发现论文，激发创造
  • 变分量子模拟理论

    本文介绍了变分原理的应用，包括用于解决静态问题的 Rayleigh-Ritz 方法，以及用于模拟实时动力学的 Dirac、Frenkel 和 McLachlan 变分原理。同时，本文还形容了它们之间的联系，并进一步扩展了变分方法以适应混合态干扰，包括虚时间和实时间的模拟，并设计了用于量子电路的变分算法。

    Dec, 2018

  • 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

  • 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

  • 耗散量子多体动力学神经网络方法

    本研究提出了一种基于机器学习技术的有效模拟量子多体系统动力学的方法，使用受限玻尔兹曼机表示混合多体量子态，并导出一个指向时间演化和稳态的变分蒙特卡洛算法，通过针对耗散自旋晶格系统的数值实例验证了该方法的准确性。

    Feb, 2019

  • 电子薛定谔方程的深度神经网络解

    研究人员提出了一种基于深度学习的波函数模型 ——PauliNet，它使用变分量子蒙特卡洛（VMC）进行训练，并且在原子、二元分子和氢链等电子结构计算方面优于现有技术，是中型分子系统高精确度电子结构计算新的领先方法。

    Sep, 2019

  • 用人工神经网络研究二维量子多体动力学

    该研究讨论了利用人工神经网络编码量子多体波函数的方法，有效地模拟了二维空间中的量子物质的无平衡实时演化，并应用到横向场伊辛模型上，验证了该方法的准确性和可行性。

    Dec, 2019

  • 一种高效的基于正规化流的薛定谔方程解决方案的理论框架

    通过利用范畴学可解的问题，本文解决了量子力学中求解电子薛定谔方程的问题并提出了一个高效的方法。

    May, 2024

  • 超导量子比特量子计算机上的 Hartree-Fock

    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

  • 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

  • 开放量子系统稳态的变分神经网络假设

    本文介绍了一种用神经网络方法确定开放式量子晶格系统稳态的通用变分方法，以纯化的神经网络假设在带有辅助自由度的扩展希尔伯特空间中构建了格子系统的稳态密度矩阵。使用马尔科夫链蒙特卡罗采样可以执行与主方程相关的代价函数的变分最小化。作为第一个应用和原理证明，我们将该方法应用于耗散性量子横向伊辛模型。

    Feb, 2019