量子科技中心_量科网

该研究团队采用布尔傅里叶分析方法研究了自旋1/2磁系统基态的符号结构。此前研究表明，受挫系统的符号结构具有高度复杂性：特别是在监督学习场景下，常见架构的神经网络缺乏有效重构符号结构所需的泛化能力，这被认为是神经量子态在受挫系统应用中的主要障碍。在本工作中，研究人员建立了一种基于布尔超立方体上多项式函数表征符号结构的新分析框架——布尔傅里叶分析法。研究揭示了布尔傅里叶级数特性与符号结构学习复杂度之间的关联，并证明这类多项式作为变分拟设能显著超越神经网络的泛化能力，有望表征复杂符号结构。尽管此类拟设目前尚无法直接用于变分优化，但表明符号结构的复杂性并非不可逾越的障碍，或可通过改进神经量子态架构实现有效学习。最后，该工作展示了布尔函数数据增强如何提升神经网络的符号预测能力。