量子科技中心_量科网

该研究团队针对一维囚禁自旋-1/2费米子混合物体系，提出了基于柯尔莫哥洛夫-阿诺德网络（KANs）的变分蒙特卡洛框架，通过构建通用神经网络波函数拟设进行研究。该方法原则上可实现任意精度，仅受蒙特卡洛采样限制，经检验其亚百分之一精度与精确解吻合。对于吸引相互作用情形，该方法能有效捕捉配对效应；在杂质问题中则与已知结果一致。研究人员提出了一种基于网络参数数量的系统性迁移学习方法，可针对目标精度实现高效训练。通过将波函数短程行为无偏地融入拟设，该工作显著提升了方法的计算效率。