Loading...
机构名称:
¥ 3.0

摘要 由于希尔伯特空间维数随系统规模呈指数增长,量子多体系统的模拟至今仍是一项持续的挑战。本文,我们回顾了一类用于模拟此类系统的相对较新的变分态,即神经量子态 (NQS),它通过压缩网络参数的状态而不是存储精确参数化状态所需的所有指数级系数来克服指数缩放问题。我们介绍了常用的 NQS 架构及其在模拟基态和激发态、有限温度和开放系统状态的各种应用,以及用于模拟量子态动力学的 NQS 方法。此外,我们还在量子态层析成像的背景下讨论了 NQS。

神经量子态的回顾

神经量子态的回顾PDF文件第1页

神经量子态的回顾PDF文件第2页

神经量子态的回顾PDF文件第3页

神经量子态的回顾PDF文件第4页

神经量子态的回顾PDF文件第5页

相关文件推荐

2025 年
¥1.0
2000 年
¥15.0
2023 年
¥15.0
2024 年
¥1.0
2024 年
¥4.0
2023 年
¥15.0
2024 年
¥5.0
2024 年
¥1.0
2024 年
¥2.0
2025 年
¥1.0
2024 年
¥7.0
2023 年
¥6.0
2024 年
¥3.0
2024 年
¥1.0
2024 年
¥5.0
2019 年
¥9.0
2023 年
¥4.0
2015 年
¥10.0
2020 年
¥9.0
2019 年
¥1.0
2023 年
¥15.0
2023 年
¥15.0
2020 年
¥5.0
2025 年
¥1.0
2022 年
¥1.0
2020 年
¥2.0
2024 年
¥2.0