横向场伊辛模型中神经量子态的基矢依赖性

神经量子态（NQS）是用于表示复杂量子多体态的强大工具，在日益广泛的应用中发挥着重要作用。然而，尽管其应用广泛，目前对其局限性的理解仍十分初步。在本工作中，我们研究了NQS对计算基矢选择的依赖性，重点关注受限玻尔兹曼机。考虑对应于 paradigmatic 横向场伊辛模型的一族旋转哈密顿量，我们讨论了导致NQS性能依赖性的基态性质，即基态简并的存在以及振幅和相位的均匀性，并仔细审视它们之间的相互作用。我们发现性能的基矢依赖性与多自旋算符的团簇或累积量展开的收敛性质相关联——提供了一个将物理的、基矢依赖的性质直接与性能本身联系起来的框架。我们的结果为评估NQS在新问题上的适用性以及识别数值计算的最优基矢提供了见解。