关键词neural-network quantum states
搜索结果 - 6
- 神经网络量子多体基态振幅的变分优化
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 - NetKet 3：用于多体量子系统的机器学习工具箱
NetKet 3 是一个支持 GPU 和 TPU 加速训练的基于神经网络的量子态的机器学习工具箱，使用 JAX 和自动微分 方法定义 Python 代码，支持离散对称性，可用于量子动力学应用。
- 量子格子规范理论的规范等变神经网络
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 Wils - 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。
- 构建开放量子多体系统的神经稳定态
本文提出了一种基于神经网络量子态的新型变分方案来模拟开放量子多体系统的静态态。我们使用受限玻尔兹曼机器描述的高表现力变分方案，称之为神经静态态方案，计算服从 Lindblad 主方程的量子动力学的静态态。将静态状态搜索问题映射为寻找相应的 - 神经网络量子态，字符串纽带态和手征拓扑态
通过比较研究，证明 Restricted Boltzmann Machines 与 Tensor-Network states 有很强的联系，在表示多体量子态时可以提高神经网络的效率。