结合团簇 Gutzwiller 近似与 Delta-Learning 方法研究强关联玻色子系统
量子气体
2026-03-03 v1
摘要
团簇 Gutzwiller 方法被广泛用于研究强关联玻色子系统，因为它能够更精确地描述量子涨落。然而，随着团簇尺寸的增加，计算复杂度呈指数级增长，这限制了其应用。为了克服这一局限性，我们提出了一种基于人工智能的方法，称为 -Learning。该方法通过学习团簇 Gutzwiller 方法的低精度（小团簇尺寸）与高精度（大团簇尺寸）实现之间的差异来构建预测模型，且仅需少量训练样本。利用该预测模型，我们能够高精度地有效预测高精度方法的结果。将 -Learning 方法应用于各种 Bose-Hubbard 模型，能够有效预测相图，同时显著减少计算资源和时间。此外，我们将 -Learning 的预测精度与其他直接学习方法进行了比较，发现 -Learning 在训练数据有限的场景下表现出更优越的性能。因此，将 -Learning 方法与团簇 Gutzwiller 近似相结合，为研究大型复杂玻色子系统中的相变提供了一种计算高效且准确的方法。
引用
@article{arxiv.2408.14306,
title = {Delta-Learning approach combined with the cluster Gutzwiller approximation for strongly correlated bosonic systems},
author = {Zhi Lin and Tong Wang and Sheng Yue},
journal= {arXiv preprint arXiv:2408.14306},
year = {2026}
}