基于动力学平均场理论研究 Hubbard 模型相变的量子-经典算法
强关联电子
2024-05-10 v2 计算物理
量子物理
摘要
模拟量子多体系统被认为是近期含噪量子计算机最有前景的应用之一。然而，在近期内，系统规模限制仍将是材料科学或强关联系统应用中的严重障碍。一个有前景的研究方向是将多体物理与机器学习结合以对不同相进行分类。在本文中，我们提出了一种协同量子计算、多体理论和量子机器学习（QML）的工作流，用于研究强关联系统。特别地，它可以捕捉典型强关联系统——Hubbard 模型的假定量子相变。遵循近期提出的用于双点动力学平均场理论（DMFT）的混合经典-量子算法，我们提出了一种改进，使得单浴点 DMFT 的自洽求解成为可能。该改进算法可轻易推广到多个浴点。此方法用于在 DMFT 近似下生成 Hubbard 模型的零温波函数数据库。随后我们使用 QML 算法来区分金属相和莫特绝缘体相，以捕捉金属到莫特绝缘体的相变。我们训练了一个量子卷积神经网络（QCNN），然后将 QCNN 用作量子分类器来捕捉相变区域。该工作为应用于强关联系统中的其他相变提供了方案，并代表了可利用近期技术实现的小规模量子设备的一个令人振奋的应用。
引用
@article{arxiv.2308.01392,
title = {Quantum Classical Algorithm for the Study of Phase Transitions in the Hubbard Model via Dynamical Mean-Field Theory},
author = {Anshumitra Baul and Herbert F Fotso and Hanna Terletska and Juana Moreno and Ka-Ming Tam},
journal= {arXiv preprint arXiv:2308.01392},
year = {2024}
}