Jastrow态与稳定器态的紧凑神经网络量子态表示
量子物理
2021-09-15 v2 强关联电子
摘要
神经网络量子态（NQS）已成为多体物理中的有力工具。在众多可编码量子态振幅的神经网络架构中，受限玻尔兹曼机（RBM）的简洁性已被证明对数值与解析研究均特别有用。尤其为Jastrow态和稳定器态等重要态类设计精确的NQS表示，揭示了基于RBM的NQS的优势与局限。然而，当前针对个自旋系统的构造生成具有隐藏单元且连接极稀疏的NQS，这使得它们与通常通过数值优化生成的NQS颇为不同。此处我们关注紧凑NQS，即隐藏单元密度但具有系统广延的隐-可见单元连接的NQS。通过统一Jastrow态与稳定器态，我们引入了一种至多需要个隐藏单元的新精确表示，说明了可具有极高表达能力。由于其与数值NQS解的结构相似性，我们的结果为有用见解提供了依据，并可能为更多量子态族被紧凑NQS精确表示铺平道路。
引用
@article{arxiv.2103.09146,
title = {Compact Neural-network Quantum State representations of Jastrow and Stabilizer states},
author = {Michael Y. Pei and Stephen R. Clark},
journal= {arXiv preprint arXiv:2103.09146},
year = {2021}
}
备注
38 pages, 9 figures