論文の概要: Wave function Ansatz (but Periodic) Networks and the Homogeneous
Electron Gas
- arxiv url: http://arxiv.org/abs/2202.04622v2
- Date: Thu, 10 Feb 2022 08:22:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-27 00:56:40.849219
- Title: Wave function Ansatz (but Periodic) Networks and the Homogeneous
Electron Gas
- Title(参考訳): 波動関数 ansatz (but periodic) ネットワークと均質電子ガス
- Authors: Max Wilson, Saverio Moroni, Markus Holzmann, Nicholas Gao, Filip
Wudarski, Tejs Vegge and Arghya Bhowmik
- Abstract要約: 均一電子ガスの基底状態波動関数を変動的に検出するニューラルネットワークAnsatzを設計する。
7,14,19電子のスピン偏極相と常磁性相を幅広い密度で研究した。
我々の研究は、周期的境界条件を扱う手法を用いて、分子システムへのニューラルネットワーク「アンゼ」の以前の応用を拡張した。
- 参考スコア(独自算出の注目度): 1.7944372791281356
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We design a neural network Ansatz for variationally finding the ground-state
wave function of the Homogeneous Electron Gas, a fundamental model in the
physics of extended systems of interacting fermions. We study the
spin-polarised and paramagnetic phases with 7, 14 and 19 electrons over a broad
range of densities from $r_s=1$ to $r_s=100$, obtaining similar or higher
accuracy compared to a state-of-the-art iterative backflow baseline even in the
challenging regime of very strong correlation. Our work extends previous
applications of neural network Ans\"{a}tze to molecular systems with methods
for handling periodic boundary conditions, and makes two notable changes to
improve performance: splitting the pairwise streams by spin alignment and
generating backflow coordinates for the orbitals from the network. This
contribution establishes neural network models as flexible and high precision
Ans\"{a}tze for periodic electronic systems, an important step towards
applications to crystalline solids.
- Abstract(参考訳): 我々は、相互作用するフェルミオン系の拡張系の物理モデルである均質電子ガスの基底状態波動関数を変動的に検出するニューラルネットワークAnsatzを設計する。
7,14,19のスピン偏極相と常磁性相を,r_s=1$ から $r_s=100$ までの幅広い密度で研究し,非常に強い相関の困難な状態であっても,最先端の反復バックフローベースラインと同等以上の精度を得た。
本研究は, ニューラルネットワークans\"{a}tzeの分子系への応用を, 周期境界条件の処理法で拡張し, スピンアライメントによるペアワイズストリームの分割と, ネットワークから軌道へのバックフロー座標の生成という, 性能向上のために2つの注目すべき変更を行った。
この貢献により、ニューラルネットワークモデルは周期電子系に対する柔軟で高精度なAns\"{a}tzeとして確立され、結晶性固体への応用に向けた重要なステップとなる。
関連論文リスト
- Computing excited states of molecules using normalizing flows [0.0]
量子系の基底状態と励起状態の同時計算のための新しい非線形変分フレームワークを提案する。
提案手法は, 正規化流を伴うエンフィア合成を拡張, 最適化した基底関数の線形スパンにおける波動関数の近似に基づく。
論文 参考訳(メタデータ) (2023-08-31T05:22:51Z) - Thermal masses and trapped-ion quantum spin models: a self-consistent
approach to Yukawa-type interactions in the $\lambda\!\phi^4$ model [68.8204255655161]
閉じ込められたイオン系における磁気の量子シミュレーションは、スピン間の相互相互作用を仲介するために結晶振動を利用する。
これらの相互作用は、フォノンが粗粒のクライン=ゴードン場によって記述される長波長相対論的理論によって説明できる。
レーザ冷却により制御できる熱効果は、相互作用するQFTにおける熱質量の出現を通じて、この流れを明らかにすることができることを示す。
論文 参考訳(メタデータ) (2023-05-10T12:59:07Z) - Towards a Foundation Model for Neural Network Wavefunctions [5.145741425164946]
本稿では,非相関で計算コストの低いHartree-Fock軌道を相関した高精度ニューラルネットワーク軌道にマッピングするニューラルネットワークアンサッツを提案する。
このアンザッツは本質的に複数の化合物とジオメトリーにわたる単一波動関数を学習することができる。
論文 参考訳(メタデータ) (2023-03-17T16:03:10Z) - Disentangling Interacting Systems with Fermionic Gaussian Circuits:
Application to the Single Impurity Anderson Model [0.0]
フェルミオンガウス状態の圧縮により得られるユニタリゲートによる基底の変化を、様々なテンソルネットワークに対応する量子回路に導入する。
これらの回路は、基底状態の絡み合いエントロピーを低減し、密度行列再正規化群のようなアルゴリズムの性能を向上させることができる。
論文 参考訳(メタデータ) (2022-12-19T19:11:16Z) - Simulating 2+1D Lattice Quantum Electrodynamics at Finite Density with
Neural Flow Wavefunctions [5.049046327655608]
有限密度の動的フェルミオンを持つ2+1D格子型コンパクト量子電磁力学をシミュレートするニューラルフロー波動関数Gauge-Fermion FlowNetを提案する。
異なるフェルミオン密度およびホッピング状態における閉じ込め現象と弦破断現象について検討した。
論文 参考訳(メタデータ) (2022-12-14T18:59:07Z) - Photoinduced prethermal order parameter dynamics in the two-dimensional
large-$N$ Hubbard-Heisenberg model [77.34726150561087]
2次元相関電子モデルにおいて、競合する秩序相の微視的ダイナミクスについて検討する。
2つの競合する位相間の光誘起遷移をシミュレートする。
論文 参考訳(メタデータ) (2022-05-13T13:13:31Z) - Discovering Quantum Phase Transitions with Fermionic Neural Networks [0.0]
ディープニューラルネットワークはモンテカルロ計算の高精度な波動関数 ans" として非常に成功している。
我々は、周期的ハミルトニアンの基底状態の計算にそのようなアンサッツであるフェルミネットの拡張を示す。
論文 参考訳(メタデータ) (2022-02-10T17:32:17Z) - Neural-Network Quantum States for Periodic Systems in Continuous Space [66.03977113919439]
我々は、周期性の存在下での強い相互作用を持つシステムのシミュレーションのために、神経量子状態の族を紹介する。
一次元系では、基底状態エネルギーと粒子の放射分布関数を非常に正確に推定する。
二つの次元において基底状態エネルギーの優れた推定値を得るが、これはより伝統的な手法から得られる結果に匹敵する。
論文 参考訳(メタデータ) (2021-12-22T15:27:30Z) - Superradiant phase transition in complex networks [62.997667081978825]
我々はDicke-Isingモデルに対する超ラジアント位相遷移問題を考える。
正規,ランダム,スケールフリーなネットワーク構造について検討する。
論文 参考訳(メタデータ) (2020-12-05T17:40:53Z) - Variational Monte Carlo calculations of $\mathbf{A\leq 4}$ nuclei with
an artificial neural-network correlator ansatz [62.997667081978825]
光核の基底状態波動関数をモデル化するためのニューラルネットワーク量子状態アンサッツを導入する。
我々は、Aleq 4$核の結合エネルギーと点核密度を、上位のピオンレス実効場理論から生じるものとして計算する。
論文 参考訳(メタデータ) (2020-07-28T14:52:28Z) - Training End-to-End Analog Neural Networks with Equilibrium Propagation [64.0476282000118]
本稿では,勾配降下による終端から終端までのアナログニューラルネットワークの学習法を提案する。
数学的には、アナログニューラルネットワークのクラス(非線形抵抗性ネットワークと呼ばれる)がエネルギーベースモデルであることが示される。
我々の研究は、オンチップ学習をサポートする、超高速でコンパクトで低消費電力のニューラルネットワークの新世代の開発を導くことができる。
論文 参考訳(メタデータ) (2020-06-02T23:38:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。