量子科技中心_量科网

该研究团队提出了一种无监督机器学习框架，能够发现量子多体基态的最优压缩表示。通过对L位点费米-哈伯德模型数据采用自编码神经网络架构，研究人员在L-1个潜在维度上识别出具有尖锐重构质量阈值的最小潜在空间，这与系统的本征自由度相匹配。该工作展示了将训练好的解码器作为可微分变分拟设，直接在潜在空间内最小化能量的应用方法。值得注意的是，这种方法规避了N-可表示性问题，因为学习得到的流形隐式地将优化限制在物理有效的量子态范围内。