用神经自回归量子态计算 Renyi 熵
量子物理
2020-12-21 v2 无序系统与神经网络
摘要
纠缠熵是刻画量子多体系统的基本度量,但其对量子态神经网络表示的数值评估迄今效率低下,且仅在受限玻尔兹曼机架构上得到展示。此处,我们使用量子蒙特卡洛方法估计了具有多达 N=256 个自旋的自回归神经量子态的广义 Renyi 熵。朴素的“直接采样”方法对低阶 Renyi 熵表现良好,但在一维 Heisenberg 模型上基准测试时,对更高阶则失效。因此我们提出一种改进的“条件采样”方法,利用网络 ansatz 的自回归结构,其优于直接采样,并便利了一维和二维 Heisenberg 模型中高阶 Renyi 熵的计算。获得高阶 Renyi 熵使得近似 von Neumann 熵以及提取单副本纠缠成为可能。两种方法均阐明了神经网络量子态在纠缠熵量子蒙特卡洛研究中的潜力。
引用
@article{arxiv.2003.01358,
title = {Calculating Renyi Entropies with Neural Autoregressive Quantum States},
author = {Zhaoyou Wang and Emily J. Davis},
journal= {arXiv preprint arXiv:2003.01358},
year = {2020}
}