Neural network quantum states

新的学习方法改进了神经网络量子态优化

研究人员开发了一种名为直接/自适应混合相位梯度学习的新学习方法，用于神经网络量子态。该技术解决了在优化具有复杂相位结构的量子态时遇到的挑战，这种结构在规范场和费米子统计等领域很常见。通过使用方差比传统方法更低的相位梯度直接估计器，新方法显著减少了错误，在100个位点的磁通梯上，其平均误差为0.89%。自适应混合估计器通过最小化运行失败次数进一步提高了性能，突出了估计器设计对于复值神经网络量子态的关键作用。