用于量子自旋液体的近似对称神经网络
量子物理
2025-10-21 v2 无序系统与神经网络
强关联电子
机器学习
摘要
我们提出并分析了一族用于量子自旋液体问题的近似对称神经网络。这些定制架构参数高效、可扩展，并且显著优于现有的不考虑对称性的神经网络架构。利用混合场环面码和PXP里德伯哈密顿量模型，我们证明了我们的方法与最先进的张量网络和量子蒙特卡洛方法具有竞争力。此外，在最大系统尺寸下（环面码N=480，里德伯PXP N=1584），我们的方法使我们能够探索具有符号问题的哈密顿量，这超出了量子蒙特卡洛和有限尺寸矩阵乘积态的能力范围。该网络由一个精确对称块后接一个非对称块组成，我们认为它学习了一种类似于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内研究量子自旋液体问题铺平了道路。
引用
@article{arxiv.2405.17541,
title = {Approximately-symmetric neural networks for quantum spin liquids},
author = {Dominik S. Kufel and Jack Kemp and DinhDuy Vu and Simon M. Linsel and Chris R. Laumann and Norman Y. Yao},
journal= {arXiv preprint arXiv:2405.17541},
year = {2025}
}
备注
5+16 pages; updated main text and Supp. Mat