具有量子数对称性的自回归神经量子态

神经量子态已成为量子多体系统变分蒙特卡洛模拟中一类强大且通用的试探波函数。其中尤为突出的是自回归神经量子态（ANQS），其兼具深度神经网络的可表达性，并配备了一种快速且无偏采样的流程。然而，自回归采样的非选择性特性使得引入量子数对称性颇具挑战。在本工作中，我们开发了一个通用框架，使自回归采样能够兼容任意数量的量子数对称性。我们通过针对一系列具有此类多重对称性的分子进行电子结构计算，展示了其优势。我们以超过一个数量级的加速达到了先前工作中所报告的精度水平，并对所有研究的分子实现了化学精度，这是迄今为止尚未报道的里程碑。结合现有引入空间对称性的努力，我们的方法扩展了任何变分试探波函数所必需的对称性工具箱，并使 ANQS 更接近于成为研究具挑战性量子多体系统的有竞争力选择。