基于神经网络态指导的二维量子自旋玻璃零温蒙特卡罗模拟
无序系统与神经网络
2024-12-24 v2 统计力学
计算物理
摘要
采用连续时间投影量子蒙特卡罗算法模拟二维 Edwards-Anderson 哈密顿量（具有横向场）的基态，后者特征为高斯最近邻耦合。我们数值演示，基于自学习神经网络态的波函数可将种群控制偏差压制在适度统计不确定性以下，至少可达100个自旋。通过投影双复制哈密顿量，确定自旋重叠。进行有限尺寸缩放分析，以估计自旋玻璃相变临界横向场位置，以及相关长度和自旋玻璃易感性的临界指数。对于后两者，结果与文献中不同随机耦合的最新估计值良好一致。我们也考察了自旋重叠分布，发现对于可工作的系统尺寸，其显示非平凡双峰形状，零重叠处权重较大。
引用
@article{arxiv.2407.05978,
title = {Zero-temperature Monte Carlo simulations of two-dimensional quantum spin glasses guided by neural network states},
author = {L. Brodoloni and S. Pilati},
journal= {arXiv preprint arXiv:2407.05978},
year = {2024}
}
备注
10 pages, 9 figures