条件建模对通用自回归量子态的影响
量子物理
2024-02-09 v3 强关联电子
计算物理
摘要
我们提出一个通用框架，使通用量子态近似器能够满足严格的归一化与自回归性质。我们还引入滤波器作为神经网络中卷积层的类比，以在任意量子态中纳入平移对称化关联。通过将此框架应用于高斯过程态，我们施加自回归和/或滤波器性质，分析所得归纳偏置对变分灵活性、对称性与守恒量的影响。由此，我们将不同的自回归态统一于一个受机器学习启发的拟设框架之下。我们的结果揭示了自回归构造如何影响变分模型描述自旋与费米子晶格模型以及第一性原理电子结构问题中关联的能力，其中表示的选取会影响精度。我们得出结论：尽管自回归构造实现了高效且直接的采样，从而避免了 Metropolis 采样中的自关联与遍历性丧失问题，但其在许多系统中切实地约束了模型的表达能力。
引用
@article{arxiv.2306.05917,
title = {Impact of conditional modelling for a universal autoregressive quantum state},
author = {Massimo Bortone and Yannic Rath and George H. Booth},
journal= {arXiv preprint arXiv:2306.05917},
year = {2024}
}
备注
16 pages, 5 figures, Accepted to Quantum (2024)