用于周期与开放 XY 量子自旋链的 Born 机
量子物理
2021-12-13 v1
摘要
量子相变在量子多体系统中十分普遍。已知在极低温下发生的量子涨落负责驱动系统随外部控制参数跨越不同相。具有横向场的 XY 哈密顿量是展现两种不同量子相变的基本模型，包括从有序态到无序态的自发 对称性破缺。尽管可编程量子器件在探究物质的各种奇异量子相方面已取得巨大成功，与此同时，利用机器学习工具学习物质量子相的探索也在进行。本文对一种称为 Born 机的量子启发式生成模型在学习物质量子相方面的能力进行了数值研究。我们考虑了在开放和周期边界条件下从系统获得的数据。我们的结果表明，基于矩阵乘积态的 Born 机能够成功捕获 XY 哈密顿量各相中以及临界点附近的量子态，尽管存在长程关联。我们进一步对 Born 机施加边界条件，并表明在可用数据有限且采用较小键维数时，使 Born 机的边界条件与训练数据相匹配可提升性能。
引用
@article{arxiv.2112.05326,
title = {Born Machines for Periodic and Open XY Quantum Spin Chains},
author = {Abigail McClain Gomez and Susanne F. Yelin and Khadijeh Najafi},
journal= {arXiv preprint arXiv:2112.05326},
year = {2021}
}
备注
Accepted to NeurIPS 2021, Second Workshop on Quantum Tensor Networks in Machine Learning