量子科技中心_量科网

神经网络正逐渐成为确定相互作用多体费米子系统量子态的有力工具。传统方法通过最小化蒙特卡洛样本估计的平均局域能量来训练神经网络拟设，但这通常会导致估计平均能量的样本间剧烈波动，从而使能量最小化过程收敛缓慢。该研究团队提出，通过最小化局域能量的对数压缩方差可显著提升收敛速度。此外，这种损失函数可经调整用于系统性获取多次运行中的能谱。研究人员在二维谐波陷阱中对具有自旋相反的粒子间Poschl-Teller吸引相互作用的自旋1/2粒子体系验证了这些构想。