采用人工神经网络关联子试探波函数的 $\mathbf{A\leq 4}$ 原子核变分蒙特卡洛计算
核理论
2021-07-14 v2 无序系统与神经网络
量子物理
摘要
多体量子波函数的复杂性是若干物理与化学领域中非微扰相互作用占主导时的核心问题。人工神经网络(ANNs)已被证明是近似凝聚态与化学问题中量子多体态的灵活工具。本工作中，我们引入一种神经网络量子态试探波函数(ansatz)来建模轻核的基态波函数，并近似求解核多体薛定谔方程。利用高效的随机采样与优化方案，我们的方法拓展了该领域中具有指数级算法复杂度的 ANN 开创性应用。我们计算了源于领头阶无介子有效场论哈密顿量的 原子核的结合能和点核子密度。我们成功地将 ANN 波函数与基于二体与三体 Jastrow 函数的更传统参数化形式以及近乎精确的格林函数蒙特卡洛结果进行了基准比对。
引用
@article{arxiv.2007.14282,
title = {Variational Monte Carlo calculations of $\mathbf{A\leq 4}$ nuclei with an artificial neural-network correlator ansatz},
author = {Corey Adams and Giuseppe Carleo and Alessandro Lovato and Noemi Rocco},
journal= {arXiv preprint arXiv:2007.14282},
year = {2021}
}
备注
4 pages, 2 figures