实体
density matrix renormalization group
density matrix renormalization group
PulseAugur coverage of density matrix renormalization group — every cluster mentioning density matrix renormalization group across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新框架增强了复杂量子系统的建模能力
研究人员开发了一个名为物理约束集成高斯过程（pc-EGP）的新框架，以更有效地模拟复杂的量子系统。该方法将物理约束直接纳入建模过程，并使用高斯过程模型集成来处理有噪声的模拟数据。pc-EGP框架在合成数据上进行了演示，然后应用于真实的量子系统，与标准高斯过程相比，显示出更高的准确性和物理相关性。
-
评论质疑基于机器学习的自旋子对密度波态发现
最近发表在《Physical Review X》上的一项研究声称，利用群等变卷积神经网络在 Kagome 海森堡反铁磁体中发现了一个自旋子对密度波基态。然而，arXiv 上的一篇新评论文章认为，报告的低能量是 Metropolis-Hastings 算法非遍历采样的伪影。当强制执行遍历采样时，神经网络收敛到更高的能量，这与原论文的发现相矛盾，并对其结论提出了质疑。
-
Prometheus框架助力无监督发现量子相序
一篇研究论文详细介绍了Prometheus变分自编码器框架在研究$J_1$-$J_2$海森堡模型复杂相图中的应用。该研究结合了精确对角化和一种新颖的基于约化密度矩阵（RDM）的方法，使得研究能够超越计算上不可行的全波函数分析的限制。该框架成功识别了关键的序参量，并捕捉到了Néel到条纹相的交叉，为分析受挫量子系统建立了一条可扩展的机器学习途径。