量子科技中心_量科网

神经量子态（NQS）已成为表示量子多体波函数的一种强大量子变分拟设。然而，其内部机制仍鲜为人知。该研究团队通过采用基于关联的可解释神经网络架构，随后基于布尔函数理论验证观察结果，系统探究了关联性在类NQS量子态表示中的作用。关联神经网络表明——即使在简单乘积态情况下，也需要计算基中直至系统尺寸阶的全部关联阶数才能精确表示量子态。 该工作利用傅里叶展开阐释了这些现象：揭示关联基构成NQS内部结构的有效基底，由此推导出高阶关联的必要性、受限希尔伯特空间中潜在的线性相关性，以及自旋基旋转与关联基之间的联系。此外，研究人员系统分析了激活函数、网络架构和参考基选择如何影响关联性需求。这些研究成果为理解NQS内部结构及运行要求提供了全新视角，有助于未来研究中更系统化地运用神经量子态方法。