Hubbard模型中对称化行列式神经量子态的比较
强关联电子
2025-10-14 v1 无序系统与神经网络
摘要
Hubbard模型的准确模拟对于理解强相关现象至关重要，因为小能量差异需要高数值精度。在本工作中，我们使用神经量子态探索正方形格子Hubbard模型的强耦合和欠掺杂 regime。我们系统比较了隐藏费米子行列式态和Jastrow-Backflow ansatz，使用以Vision Transformer为参数化器，发现二者在实际中精度相似。我们还测试了不同的对称化策略，发现输出平均可获得最低能量，但对大系统规模代价高昂。在圆柱体系统上，我们持续观察到填满条纹。在 torus上，我们的计算显示出符合doped Mott绝缘体特征的特征，包括反铁磁关联和被抑制的密度波动。我们的结果既展示了神经量子态在相关费米子中的前景，也揭示了当前的挑战。
引用
@article{arxiv.2510.11710,
title = {Comparing Symmetrized Determinant Neural Quantum States for the Hubbard Model},
author = {Louis Sharma and Ahmedeo Shokry and Rajah Nutakki and Olivier Simard and Michel Ferrero and Filippo Vicentini},
journal= {arXiv preprint arXiv:2510.11710},
year = {2025}
}