波函数随机表示中无行列式且无导数的量子蒙特卡洛方法
强关联电子
2024-11-14 v2 介观与纳米尺度物理
量子物理
摘要
描述原子和分子等连续实空间量子多体系统的基态是整个物理科学中具有重大挑战的计算难题。基于机器学习 (ML) 试探波函数的变分方法近期取得了进展。然而，由于这些方法基于能量最小化，试探波函数必须是二阶可微的。这 (a) 排除了许多强大的机器学习模型类的使用；(b) 使得玻色子、费米子及其他对称性的强制实施成本高昂。此外，(c) 除非通过虚时传播进行优化，否则优化过程往往不稳定，而在具有许多参数的现代机器学习模型中，虚时传播通常昂贵得不切实际。Nat Commun 14, 3601 (2023) 中引入的波函数随机表示 (SRW) 是克服问题 (c) 的一种近期方法。SRW 实现了大规模虚时传播，并在解决问题 (b) 方面取得了一些进展，但仍受限于问题 (a)。在此，我们认为将 SRW 与路径积分技术相结合，会导致一种新的表述，从而同时克服所有三个问题。作为演示，我们将该方法应用于广义“胡克原子”：谐振势阱中的相互作用粒子。我们在可能的情况下将结果与最先进数据进行基准测试，并利用它研究闭壳层系统中费米液体与维格纳分子之间的交叉。我们的结果为相互作用驱动的对称性破缺与动能驱动的离域化之间的竞争提供了新的见解。
引用
@article{arxiv.2402.06577,
title = {Determinant- and Derivative-Free Quantum Monte Carlo Within the Stochastic Representation of Wavefunctions},
author = {Liam Bernheimer and Hristiana Atanasova and Guy Cohen},
journal= {arXiv preprint arXiv:2402.06577},
year = {2024}
}