量子科技中心_量科网

该研究团队提出了一种用于计算旋转玻色-爱因斯坦凝聚基态的无监督深度学习方法。为在质量约束条件下实现能量最小化，该方法引入了两个关键创新要素：能精确保证质量约束的归一化损失函数，以及被称为“虚拟旋转加速”的训练策略——该策略对于避免局部极小值并引导学习过程进入正确量子化涡旋相位至关重要。大量数值实验表明，该方法能有效精准预测从慢速到快速旋转、从各向同性到各向异性约束等各种物理条件下的基态。通过进一步提炼，研究人员构建了能在不同相位间高效泛化物理参数的统一算子网络，该系统不仅能快速预测基态并正确捕捉相变现象，还可应用于逆问题求解。