論文の概要: Spin-Adapted Neural Network Wavefunctions in Real Space

• arxiv url: http://arxiv.org/abs/2511.01671v1
• Date: Mon, 03 Nov 2025 15:34:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 16:37:27.312265
• Title: Spin-Adapted Neural Network Wavefunctions in Real Space
• Title（参考訳）: 実空間におけるスピン適応ニューラルネットワーク波動関数
• Authors: Ruichen Li, Yuzhi Liu, Du Jiang, Yixiao Chen, Xuelan Wen, Wenrui Li, Di He, Liwei Wang, Ji Chen, Weiluo Ren,
• Abstract要約: 本研究では, 実空間における反対称多電子波動関数に対して, 正確な全スピンを強制する一般的な手法であるスピン適応反対称性法(SAAM)を導入する。 このフレームワークは、物理的プリエントを他のブラックボックスニューラルネットワークの波動関数に埋め込むための原則化された経路を提供し、ニューラルネットワークの軌道と相関するシステムのコンパクトな表現をもたらす。
• 参考スコア（独自算出の注目度）: 19.401135759907557
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Spin plays a fundamental role in understanding electronic structure, yet many real-space wavefunction methods fail to adequately consider it. We introduce the Spin-Adapted Antisymmetrization Method (SAAM), a general procedure that enforces exact total spin symmetry for antisymmetric many-electron wavefunctions in real space. In the context of neural network-based quantum Monte Carlo (NNQMC), SAAM leverages the expressiveness of deep neural networks to capture electron correlation while enforcing exact spin adaptation via group representation theory. This framework provides a principled route to embed physical priors into otherwise black-box neural network wavefunctions, yielding a compact representation of correlated system with neural network orbitals. Compared with existing treatments of spin in NNQMC, SAAM is more accurate and efficient, achieving exact spin purity without any additional tunable hyperparameters. To demonstrate its effectiveness, we apply SAAM to study the spin ladder of iron-sulfur clusters, a long-standing challenge for many-body methods due to their dense spectrum of nearly degenerate spin states. Our results reveal accurate resolution of low-lying spin states and spin gaps in [Fe$_2$S$_2$] and [Fe$_4$S$_4$] clusters, offering new insights into their electronic structures. In sum, these findings establish SAAM as a robust, hyperparameter-free standard for spin-adapted NNQMC, particularly for strongly correlated systems.
• Abstract（参考訳）: スピンは電子構造を理解する上で基本的な役割を果たすが、多くの実空間波動関数法はそれを適切に考慮することができない。 本研究では, 実空間における反対称多電子波動関数に対して, 完全全スピン対称性を強制する一般手法であるスピン適応反対称性法(SAAM)を導入する。 ニューラルネットワークに基づく量子モンテカルロ(NNQMC)の文脈において、SAAMは深層ニューラルネットワークの表現性を利用して電子相関を捉え、グループ表現理論を通じて正確なスピン適応を強制する。 このフレームワークは、物理的プリエントを他のブラックボックスニューラルネットワークの波動関数に埋め込むための原則化された経路を提供し、ニューラルネットワークの軌道と相関するシステムのコンパクトな表現をもたらす。 NNQMCの既存のスピン処理と比較して、SAAMはより正確で効率的であり、追加の調整可能なハイパーパラメーターを使わずに正確なスピン純度を達成する。 この効果を実証するために、SAAMを鉄-硫黄クラスターのスピンはしごの研究に応用する。 その結果,[Fe$_2$S$_2$] クラスタと [Fe$_4$S$_4$] クラスタのスピン状態とスピンギャップの精度が向上し,電子構造に対する新たな洞察が得られた。 これらの知見は, スピン適応NNQMC, 特に強相関系において, SAAMを頑健でハイパーパラメータフリーな標準として確立している。

関連論文リスト

• Towards Quantum Enhanced Adversarial Robustness with Rydberg Reservoir Learning [45.92935470813908]
  量子コンピューティング貯水池(QRC)は、量子多体系に固有の高次元非線形力学を利用する。 近年の研究では、変動回路に基づく摂動量子は逆数の影響を受けやすいことが示されている。 QR学習モデルにおける対向的堅牢性の最初の体系的評価について検討する。
  論文  参考訳（メタデータ） (2025-10-15T12:17:23Z)
• Fourier Neural Operators for Learning Dynamics in Quantum Spin Systems [77.88054335119074]
  ランダム量子スピン系の進化をモデル化するためにFNOを用いる。 量子波動関数全体の2n$の代わりに、コンパクトなハミルトン観測可能集合にFNOを適用する。
  論文  参考訳（メタデータ） (2024-09-05T07:18:09Z)
• SpinMultiNet: Neural Network Potential Incorporating Spin Degrees of Freedom with Multi-Task Learning [0.0]
  本研究では、マルチタスク学習を通じてスピン自由度を統合する新しいNNPモデルであるSpinMultiNetを紹介する。 SpinMultiNetはDFT計算から得られた正しいスピン値に頼ることなく正確な予測を行う。 遷移金属酸化物のデータセット上での検証は、SpinMultiNetの高い予測精度を示す。
  論文  参考訳（メタデータ） (2024-09-05T05:13:28Z)
• Neural network approach to quasiparticle dispersions in doped antiferromagnets [0.0]
  異なる1次元および2次元格子上でのボソニックおよびフェルミオンの$t-J$モデルを表現する神経量子状態の能力について検討する。 本稿では,ニューラルネットワークの状態表現から分散関係を計算する手法を提案する。
  論文  参考訳（メタデータ） (2023-10-12T17:59:33Z)
• Control of an environmental spin defect beyond the coherence limit of a central spin [79.16635054977068]
  電子スピンレジスタのサイズを拡大するためのスケーラブルなアプローチを提案する。 我々は, 中心NVのコヒーレンス限界外における未知電子スピンの検出とコヒーレント制御を実証するために, このアプローチを実験的に実現した。 我々の研究は、ナノスケールセンシングを推進し、誤り訂正のための相関ノイズスペクトロスコピーを有効にし、量子通信のためのスピンチェーン量子ワイヤの実現を促進するため、より大きな量子レジスタを工学的に開発する方法を開拓する。
  論文  参考訳（メタデータ） (2023-06-29T17:55:16Z)
• Momentum Diminishes the Effect of Spectral Bias in Physics-Informed Neural Networks [72.09574528342732]
  物理インフォームドニューラルネットワーク(PINN)アルゴリズムは、偏微分方程式(PDE)を含む幅広い問題を解く上で有望な結果を示している。 彼らはしばしば、スペクトルバイアスと呼ばれる現象のために、ターゲット関数が高周波の特徴を含むとき、望ましい解に収束しない。 本研究は, 運動量による勾配降下下で進化するPINNのトレーニングダイナミクスを, NTK(Neural Tangent kernel)を用いて研究するものである。
  論文  参考訳（メタデータ） (2022-06-29T19:03:10Z)
• Spin-Dependent Graph Neural Network Potential for Magnetic Materials [5.775111970429336]
  SpinGNNは、磁気システムを記述するためにグラフニューラルネットワーク(GNN)を使用するスピン依存型原子間ポテンシャルアプローチである。 スピンGNNの有効性は、高階スピンハミルトニアンと2つの複素スピン格子ハミルトニアンを適合させる際、例外的な精度で示される。
  論文  参考訳（メタデータ） (2022-03-06T01:54:50Z)
• Ab initio Ultrafast Spin Dynamics in Solids [0.7874708385247353]
  一般固体系の超高速スピンダイナミクスをシミュレートするために,リンドブラッド力学に基づく第一原理実時間密度行列法を提案する。 電子電子散乱は室温では無視できるが、n型GaAsのスピン緩和のために低温では支配的になる。
  論文  参考訳（メタデータ） (2020-12-16T02:49:47Z)

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。