量子科技中心_量科网

该研究团队提出了一种将自回归神经网络应用于量子自旋链蒙特卡洛模拟的方法，该方法基于量子自旋链与经典二维自旋系统的对应关系。通过构建多层级神经网络结构来估算连续自旋的条件概率，从而直接计算约化密度矩阵的各个元素。以伊辛链为例，研究人员成功计算了由最多5个自旋组成的区间其基态冯·诺依曼熵和Rényi二分纠缠熵的连续极限值。研究结果表明，该架构仅需针对固定时间离散化和晶格体积进行一次训练，即可准确估算所需的全部矩阵元素。该方法可推广至含缺陷的其他类型自旋链，并适用于非零温度下热态纠缠熵的计算。