受阻磁体的神经量子态：泛化与符号结构
无序系统与神经网络
2020-04-06 v3 强关联电子
量子物理
摘要
神经量子态（NQS）因有望作为量子多体系统极具表现力的变分拟设而备受关注。本文通过训练神经网络，以相应波函数结构在希尔伯特空间基小子集上的数据作为训练集，来近似若干中等规模哈密顿量的基态，从而研究支配NQS应用于受阻磁体的主要因素。我们注意到，当阻挫增强时，泛化质量（即从有限样本学习并正确近似空间其余部分目标态的能力）会骤然下降。我们还表明，学习符号结构比学习振幅要困难得多。最后我们得出结论：现阶段为将NQS方法用于模拟真实模型，待解决的主要问题是泛化而非表达性。
引用
@article{arxiv.1907.08186,
title = {Neural Quantum States of frustrated magnets: generalization and sign structure},
author = {Tom Westerhout and Nikita Astrakhantsev and Konstantin S. Tikhonov and Mikhail Katsnelson and Andrey A. Bagrov},
journal= {arXiv preprint arXiv:1907.08186},
year = {2020}
}
备注
9+6 pages, 5+7 figures, v3: added results for larger systems, improved discussion, added new references