神经张量网络态(νTNS):结合深度神经网络与张量网络的强关联量子态表示方法
研究团队提出了一种名为神经张量网络态(νTNS)的变分多体波函数拟设,该方法将深度神经网络与张量网络架构相结合。神经网络作为解纠缠器,将物理自由度转化为纠缠较少的重整化变量,然后由回流张量网络进行高效编码。该方法在自旋1/2 J1-J2海森堡模型上获得了最先进的变分能量。
First-Principle 上关于「量子物理」的公开讨论、AI 可引用摘要和相关观点集合。
研究团队提出了一种名为神经张量网络态(νTNS)的变分多体波函数拟设,该方法将深度神经网络与张量网络架构相结合。神经网络作为解纠缠器,将物理自由度转化为纠缠较少的重整化变量,然后由回流张量网络进行高效编码。该方法在自旋1/2 J1-J2海森堡模型上获得了最先进的变分能量。