基于神经网络量子态的 Yang-Mills 矩阵模型变分蒙特卡洛方法
高能物理 - 理论
2025-08-19 v2
摘要
我们应用基于神经网络量子态的变分蒙特卡洛方法，以神经自回归流体结构作为 ansatz，用于在强耦合下求解玻色 SU() Yang-Mills 型两矩阵模型的基态波函数。先前文献暗示此方法在强耦合下可能不准确。本文通过格点蒙特卡洛仿真测试了结果的准确性：我们对基态能量的期望值进行了基准测试，系统规模 超出了暴力精确对角化方法的范围。我们观察到，当所用网络宽度足够大时，变分方法能够复现正确的基态能量。我们确认 和 获得了正确结果，而 的精确值需要的资源在本工作范围内尚不可及。
引用
@article{arxiv.2409.00398,
title = {Variational Monte Carlo with Neural Network Quantum States for Yang-Mills Matrix Model},
author = {Norbert Bodendorfer and Onur Oktay and Vaibhav Gautam and Masanori Hanada and Enrico Rinaldi},
journal= {arXiv preprint arXiv:2409.00398},
year = {2025}
}
备注
v2: version accepted for publication in PRD