独立费米子神经量子态极小值之间几乎不存在能垒

神经量子态（NQS）在表示量子多体波函数方面已被证明非常有效，但其损失函数景观的理解仍然不足且存在争议。本文证明，NQS的损失函数景观比此前所想的更为良好，类似于传统深度学习方法，表现出模式连接现象：独立训练的NQS可以通过参数空间中的路径相互连接，且几乎不存在能垒。为构建这些路径，我们开发了GeoNEB算法，将高效的随机重配置与尼克德弹性带方法相结合，用于构造最小能量路径。对于由1.6百万参数Psiformer建模的强相互作用六电子量子点，我们发现两个独立的极小值，其预期能垒约为系统整体能量尺度的$10^{-5}$倍，仅为线性路径能垒的$10^{-3}$倍。该路径在保持物理对称性和实现低能量方面均表现出色，角动量在整个过程中保持良好的量化。我们的工作是首次在独立训练的NQS之间构建优化路径，它表明NQS的损失函数景观可能并不像此前所担忧的那样异常。