量子科技中心_量科网

局域规范结构在凝聚态物理系统与合成量子平台中扮演核心角色，这些结构作为强关联相和工程化动力学的有效描述而涌现。该工作提出了一种适用于阿贝尔格点规范模型的规范不变图神经网络（GNN）架构，通过采用威尔逊环等局域规范不变输入显式强制执行对称性，并在消息传递过程中保持该不变性，从而在保留表达能力的同时消除冗余规范自由度。该研究在 ℤ₂ 和 U(1) 格点规范模型上验证了该方法，尽管规范-物质耦合会引发非局域关联，但仍能实现对全局可观测量和空间分辨量的精确预测。该工作进一步证明，该学习模型可作为 U(1) 量子链接模型中半经典动力学的有效替代方案，无需重复进行费米子对角化即可实现稳定可扩展的时间演化，同时忠实再现局域动力学与统计关联。这些结果表明，规范不变消息传递为学习和模拟阿贝尔格点规范系统提供了一个紧凑且具有物理基础的框架。