量子科技中心_量科网

强相互作用量子多体系统中激发态的计算具有基础性重要意义。然而，由于希尔伯特空间维度随系统规模呈指数级增长，这类计算存在众所周知的挑战。该研究团队提出一种基于神经网络的算法，能够以高精度且高效的方式同时输出量子多体自旋系统的多个低能激发态。这种名为“神经量子激发态”（NQES）的算法无需对量子态进行显式正交化处理，并适用于更高维度系统。通过包含全相互作用Haldane-Shastry模型在内的具体案例，研究人员证明NQES算法可高效计算多个激发态及其相关可观测量的期望值。此外，该工作将NQES算法应用于二维维格纳晶格中两类长程相互作用囚禁离子系统：对于具有交替符号的非衰减全相互作用系统，计算获得的低能激发态展现出与基态相似的空间关联模式，这与近期实验中观测到的“准绝热制备态精确复现解析基态关联”现象高度吻合；对于包含300个离子的幂律衰减反铁磁相互作用系统，该团队成功揭示了其能隙标度行为与关联特征。该成果为计算相互作用量子多体系统激发态建立了可扩展的高效算法，在量子设备基准测试到光异构化等多个领域具有潜在应用价值。