关于机器学习与数据科学解决强关联电子问题的视角
强关联电子
2022-12-14 v1
摘要
关联电子问题的数值方法已取得相当成功,但仍受若干瓶颈制约,包括系统尺寸的高阶多项式或指数标度、长自关联时间、识别新相的挑战以及费米子符号问题。机器学习(ML)、人工智能和数据科学中的方法有望帮助解决这些局限,并开辟强关联量子系统模拟的新前沿。在本文中,我们回顾该领域的一些进展。我们首先在经典模型的背景下审视这些方法,其基础和应用于此可轻松说明与基准测试。接着我们讨论 ML 方法已实现科学发现的案例。最后,我们将考察它们在加速量子蒙特卡洛等最先进量子多体方法中的模型求解方面的应用,并讨论潜在的未来研究方向。
引用
@article{arxiv.2210.12132,
title = {A perspective on machine learning and data science for strongly correlated electron problems},
author = {S. Johnston and E. Khatami and R. T. Scalettar},
journal= {arXiv preprint arXiv:2210.12132},
year = {2022}
}