量子科技中心_量科网

近期从机器学习领域引入的多种生成神经网络，为量子物质研究提供了前景广阔的新策略。特别是自回归模型在自然语言处理中的成功应用，促使研究人员将其作为变分试探函数使用，期望其已证实的可扩展性优势能迁移到量子多体系统的模拟中。该工作提出了一种基于纯态系综虚时演化的自回归框架，用于计算量子系统的有限温度性质。研究发现，当采用自回归循环神经网络作为变分试探函数时，基于最小纠缠典型热态（METTS）的现有方法会出现数值不稳定现象。该团队证明，通过对初始系综态实施幺正演化操作，并设置阈值抑制系综成员的失控演化，可有效缓解这些不稳定性。通过将算法应用于自旋1/2量子XY链模型并与精确解对比，研究人员证实自回归典型热态能够精确计算热力学可观测量。