量子科技中心_量科网

获取强关联量子物质的热力学极限性质需要在超大晶格上进行模拟，这一领域对数值方法仍具挑战性，特别是在受挫二维系统中。该研究团队提出空间注意力机制——一种极简且具物理可解释性的神经网络量子态归纳偏置，通过将其实现为Transformer架构中的单一可学习长度标度。这种偏置机制能稳定大规模优化过程，并借助变分蒙特卡洛框架下史无前例的系统规模高精度模拟，实现对热力学极限物理性质的探索。 在自旋1/2三角晶格海森堡反铁磁体研究中，该方法在42×42格点集群上取得当前最佳结果。超大系统的模拟能力实现了能量和序参量的可控有限尺寸标度，从而可提取自旋波速度、均匀磁化率等实验相关量。其外推得到的热力学极限能量值系统性地优于iPEPS等张量网络方法。最终获得的磁化强度存在显著重整化（M₀=0.148(1)，约为经典值的30%），揭示低精度变分态会系统性地高估磁有序度。对优化波函数的分析进一步表明存在本征非局域符号结构，说明符号问题无法通过局域基变换消除。 通过在20×20方晶格J₁-J₂海森堡模型上获得超越残差卷积神经网络的最佳能量值，该工作最终验证了该方法的普适性。