基于神经网络量子态的二维受阻挫 J1-J2 模型研究
强关联电子
2019-09-18 v1 无序系统与神经网络
量子物理
摘要
使用人工神经网络表示量子波函数近来作为求解复杂多体问题的一种方式引起了关注。这些变分参数化的潜力已在受控基准中得到解析与数值证据的支持。当该领域早期研究阶段接近尾声时，展示神经网络态在构成其他多体计算方法明确开放挑战的模型与物理问题上的表现变得愈发重要。在本文中我们开始探讨这一方面，聚焦于一个目前未解的、描述二维受阻挫磁体的模型。使用全卷积神经网络模型作为变分 ansatz，我们研究了平方晶格上的受阻挫自旋-1/2 J1-J2 海森堡模型。我们证明所得基态能量与性质的预测具有竞争力，且常优于现有最先进方法。在参数空间中相对较小、对应于最大受阻挫区域的区域内，我们的 ansatz 表现出相对较好但非最佳的性能。然而，此处所采用模型的复杂度与深度学习中常规采用的模型之间仍存在显著差距，因此未来世代的神经网络量子态很可能还会有进一步改进。
引用
@article{arxiv.1903.06713,
title = {Study of the Two-Dimensional Frustrated J1-J2 Model with Neural Network Quantum States},
author = {Kenny Choo and Titus Neupert and Giuseppe Carleo},
journal= {arXiv preprint arXiv:1903.06713},
year = {2019}
}