研究人员推出了一种新颖的优化技术——退火梯度下降（AGD），旨在提高神经量子态（NQS）在表示量子多体波函数方面的准确性。该方法解决了子空间陷阱问题，即重要构型被低估，导致优化效果不佳。AGD暂时增强了低概率采样构型的贡献，同时防止高概率构型占据主导地位，从而抑制了亚稳态陷阱，并使更紧凑的NQS能够达到化学精度和具有竞争力。 AI
影响 这项研究可能带来更准确、更高效的量子模拟，从而加速量子物理和化学领域的发现。
排序理由 该集群包含一篇学术论文，详细介绍了一种优化神经量子态的新方法。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2607.18865v1 Announce Type: cross Abstract: Neural quantum states offer expressive representations of quantum many-body wave functions, yet their practical accuracy can be limited by stochastic optimization rather than representational capacity. Here we identify a finite-sa…