量子科技中心_量科网

神经量子态（NQS）是能够表征高度纠缠量子多体波函数的强大量子变分拟设。虽然受限玻尔兹曼机集合的平均纠缠特性已被充分理解，但自回归NQS（如循环神经网络和变换器）的纠缠结构仍未得到充分探索。该团队对最多256个自旋链的随机自回归波函数集合进行了大规模模拟，揭示了其平均纠缠标度、纠缠谱和关联函数中的转变特征。研究显示，波函数标准softmax归一化会抑制纠缠和涨落，为此该工作引入了一种可恢复这些特性的平方模归一化函数。最后，研究人员将纠缠和激活函数分析的洞见与变分蒙特卡洛方法结合，提出了用于寻找强关联哈密顿量基态的初始化策略。