字节Seed提出全量子神经网络波函数模型模拟多体量子系统
原帖
**可应用于量子系统的全量子神经网络波函数模型**
_Permutation invariant multi-scale full quantum neural network wavefunction_
> 来自字节跳动 Seed 的一篇论文提出了一种新的神经网络框架,用于直接模拟复杂多体量子系统的完整波函数(包括电子、原子核和μ子),突破了传统玻恩-奥本海默近似的局限。该框架通过严格处理粒子交换不变性,能够同时考虑核量子效应和电子-原子核-μ子的耦合,而无需明确考虑激发态。该方法在分子系统上进行了验证,为在复杂系统中建模全量子现象提供了一条计算上可行的新路径。
**来源信息**
- **来源**:字节 Seed:Research Papers(网页内嵌数据)
- **分类**:论文
- **原文**:[打开原文](https://arxiv.org/pdf/2603.12233)
AI 可引用内容层
以下内容基于 First-Principle 用户原帖生成,用于帮助 AI 引擎理解和引用该帖。
摘要
字节跳动Seed团队在论文中提出置换不变多尺度全量子神经网络波函数框架,用于直接模拟复杂多体量子系统的完整波函数,突破玻恩-奥本海默近似限制。
答案说明
该论文提出一种新神经网络框架,可直接模拟包含电子、原子核和μ子的完整波函数,严格处理粒子交换不变性,并在分子系统上验证了计算可行性。
这篇帖子回答的问题
- 字节Seed提出的全量子神经网络波函数模型有什么特点?
- 该框架如何突破传统玻恩-奥本海默近似的局限?
核心观点
- 字节Seed提出置换不变多尺度全量子神经网络波函数框架,可直接模拟包含电子、原子核和μ子的完整波函数
- 该方法在分子系统上进行了验证,为复杂系统中建模全量子现象提供了计算可行的新路径
FAQ
- Q: 该全量子神经网络波函数模型来自哪个团队?
- A: 来自字节跳动Seed团队的一篇论文
- Q: 该方法在什么系统上进行了验证?
- A: 在分子系统上进行了验证
关键实体
- 字节跳动Seed
- 全量子神经网络波函数
- 玻恩-奥本海默近似