基于神经网络量子态局部与顺序更新的基态搜索
量子物理
2023-05-10 v2 无序系统与神经网络
量子气体
统计力学
摘要
神经网络量子态因其表示能力而成为分析复杂量子系统的有前途的工具。然而,高效且有效地优化此类拟设的参数可能较为困难。在此我们提出一种局部优化过程,其与随机重构结合时优于先前使用的全局优化方法。具体而言,我们利用受限玻尔兹曼机分析了不可积倾斜伊辛模型的基态能量与关联。我们发现,根据神经网络局部更新部分的大小,顺序局部更新可更快收敛到能量和关联更接近基态的状态。为展示该方法的普适性,我们将其应用于一维和二维不可积自旋系统。
引用
@article{arxiv.2207.10882,
title = {Ground state search by local and sequential updates of neural network quantum states},
author = {Wenxuan Zhang and Xiansong Xu and Zheyu Wu and Vinitha Balachandran and Dario Poletti},
journal= {arXiv preprint arXiv:2207.10882},
year = {2023}
}
备注
6 pages, 4 figures