基于神经网络量子态的量子斯格明子基态性质

我们利用以神经网络量子态为变分 ansatz 的变分蒙特卡洛方法，研究了铁磁体中量子斯格明子的基态性质。我们研究了在存在 Dzyaloshinskii-Moriya 相互作用（DMI）下的二维量子海森堡模型的基态。我们表明，在大范围参数下（尤其在大 DMI 时）基态容纳一个量子斯格明子。这些量子斯格明子中的自旋弱纠缠，且纠缠随 DMI 减小而增强。我们还发现中心自旋与晶格其余部分完全去纠缠，从而建立了通过局域磁化测量非破坏性探测此类斯格明子的方法。虽然神经网络适于探测具有大 DMI 的弱纠缠斯格明子，但由于近简并基态和强纠缠，它们难以描述小 DMI 区域的斯格明子。本文中，我们提出了识别该区域的方法及缓解该问题的技术。最后，我们通过剪枝分析了神经网络的作用并探索其极限。我们的工作表明，神经网络量子态可高效用于描述远超精确对角化可处理规模的大系统量子磁性。