二维无序海森堡模型中的量子自旋玻璃态:基于基础神经网络量子态的研究

该研究团队通过最新提出的基础神经网络量子态框架,探究了具有近邻耦合键无序的二维受挫量子海森堡模型。这种方法能以单次变分优化实现对无序平均观测量高效精确的计算。大型晶格模拟显示,在热力学极限下磁长程序消失的相图扩展区域中,量子自旋玻璃态的特征量——重叠序参量仍保持有限值。这些发现得到基于大自旋展开的半经典分析支持,有力证明了与经典情形(自旋玻璃相在任何有限温度下都会消失)不同,量子自旋玻璃相能够抵抗量子涨落的扰动而保持稳定。

量科快讯