量子科技中心_量科网

为理解强关联材料中不同能带电子的复杂相互作用，必须对多轨道模型进行精确处理。为此，动态平均场理论（DMFT）提供了一个成熟框架，其适用范围关键取决于高效量子杂质求解器的可用性。该研究团队提出了一种基于神经量子态（NQS）与算子Lanczos构造相结合的实频杂质求解器。神经量子态作为一种渐近无偏的变分基态近似方法，利用神经网络捕捉复杂图结构上的长程关联。研究人员通过系统性可改进的分段交换子算子Lanczos（SCOL）构造，将这一能力应用于多轨道杂质问题的求解。在单轨道安德森模型与多轨道Hubbard-Kanamori杂质哈密顿量上的测试表明，该方法具有优异的基态精度，并能准确解析零温谱函数与自能。这些成果为将DMFT拓展至更具挑战性的问题开辟了新途径。