量子科技中心_量科网

神经网络量子态（NQS）已被证明在表示量子多体波函数方面极具优势，但其损失函数特性仍缺乏深入理解且存在争议。本研究揭示NQS的损失函数比既往认知更为温和，其特性更接近传统深度学习——展现出模式连通性：独立训练的NQS可通过参数空间中的路径相互连接，且路径上基本不存在能量势垒。为实现路径构建，研究人员开发了GeoNEB路径优化器，该算法将高效随机重构技术与推弹能带法相结合，用于构造最小能量路径。在以160万参数Psiformer建模的强相互作用六电子量子点系统中，该团队发现两个独立极小值点之间的预期能量势垒仅为系统总能量尺度的约10^-5倍，比线性路径势垒低约3个数量级。优化路径不仅保持低能量特性，还严格遵守物理对称性，路径全程角动量均保持良好量子化。这是首次在独立训练的NQS间构建优化路径的研究，表明NQS损失函数的特性可能并不像过去担忧的那样具有病态性。