量子科技中心_量科网

神经量子态已成为研究非斯托克斯哈密顿量基态数值模拟的广泛应用方法。然而，现有方法往往依赖于符号结构的先验知识，或需要单独预训练的相位网络。该团队提出了一种改进的随机重构方法，通过采用不同虚时间步长分别演化振幅和相位。该方法对相位优化采用更大时间步长，实现了相位神经网络与振幅神经网络的高效协同训练。研究团队在Heisenberg J1-J2模型上验证了该方法的有效性。