基于扩散蒙特卡洛对最先进费米子神经网络波函数的模拟
化学物理
2021-03-26 v2 计算物理
量子物理
摘要
最近开发的基于神经网络的从头算解法（Pfau 等人 arxiv:1909.02487v2）用于寻找费米子系统的基态，可在广泛的一类系统上产生最先进的结果。在本工作中，我们利用扩散蒙特卡洛（Diffusion Monte Carlo）改进了该 Ansatz 的结果。此外，我们对网络（Fermi Net）与优化方法（Kronecker 因子近似曲率）引入了若干修改，在保持或提升建模性能的同时减少了所需资源。在模型方面，我们移除了冗余计算并改变了置换等变函数中数据的处理方式。扩散蒙特卡洛结果在所有研究的系统——原子系统 Be-Ne，以及碳阳离子 C——上均超越或匹配最先进性能。
引用
@article{arxiv.2103.12570,
title = {Simulations of state-of-the-art fermionic neural network wave functions with diffusion Monte Carlo},
author = {Max Wilson and Nicholas Gao and Filip Wudarski and Eleanor Rieffel and Norm M. Tubman},
journal= {arXiv preprint arXiv:2103.12570},
year = {2021}
}