HubbardNet：利用深度神经网络高效预测 Bose-Hubbard 模型能谱
强关联电子
2023-09-04 v3
摘要
我们提出了一种基于深度神经网络（DNN）的模型（HubbardNet），以变分方式求解一维和二维 Bose-Hubbard 模型的基态和激发态波函数。将该模型用于具有 个格点的方晶格，我们通过单次训练即可得到关于在位库仑排斥 和总粒子数 的能谱解析函数。该方法避免了针对每组不同的 值重新求解哈密顿量。利用 \texttt{HubbardNet}，我们辨识出 Bose-Hubbard 模型的两个基态相（Mott 绝缘体和超流体）。我们表明，DNN 参数化的解与哈密顿量精确对角化结果高度吻合，并且在计算复杂度方面优于精确对角化。这些优势表明，我们的模型有望用于高效且精确地计算多体晶格哈密顿量的相图。
引用
@article{arxiv.2212.13678,
title = {HubbardNet: Efficient Predictions of the Bose-Hubbard Model Spectrum with Deep Neural Networks},
author = {Ziyan Zhu and Marios Mattheakis and Weiwei Pan and Efthimios Kaxiras},
journal= {arXiv preprint arXiv:2212.13678},
year = {2023}
}