研究人员开发了一种使用神经自回归控制变量的新方法来解决量子蒙特卡洛模拟中的符号问题。该技术采用两个自回归模型，每个模型仅限于正负符号扇区，以创建零均值控制变量。这种无偏可观测量显著降低了方差，提高了模拟的准确性。该方法已证明，即使对于低于 10^-3 的平均符号，标准误差也能降低一个数量级，能量估计误差也能降低三到五倍。 AI
影响 这项研究展示了神经网络在解决量子模拟中的一个基本问题方面的新颖应用，有可能加速科学发现。
排序理由 该集群包含一篇详细介绍新科学方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.26814v1 Announce Type: cross Abstract: We train a pair of autoregressive models to construct zero-mean control variates to mitigate the sign problem in quantum Monte Carlo simulations. The two autoregressive networks are confined to the positive- and negative-sign sect…
We train a pair of autoregressive models to construct zero-mean control variates to mitigate the sign problem in quantum Monte Carlo simulations. The two autoregressive networks are confined to the positive- and negative-sign sectors with strictly disjoint support, and each is ex…