1 洛桑联邦理工学院 (EPFL),物理研究所,CH-1015 洛桑,瑞士 2 洛桑联邦理工学院 (EPFL) 量子科学与工程中心,CH-1015 洛桑,瑞士 3 马克斯普朗克物质结构与动力学研究所,自由电子激光科学中心 (CFEL),Luruper Chaussee 149,22761 汉堡,德国 4 牛津大学鲁道夫佩尔斯理论物理中心,牛津 OX1 3PU,英国 5 ISIS 设施,卢瑟福阿普尔顿实验室,哈威尔校区,迪德科特 OX11 0QX,英国 6 德克萨斯大学奥斯汀分校物理系 7 哥伦比亚国立大学超导和纳米技术组,物理系,哥伦比亚波哥大 8 苏黎世大学物理系,CH-8057 瑞士苏黎世
我们推出了 NetKet 的第 3 版,它是用于多体量子物理的机器学习工具箱。NetKet 围绕神经量子态构建,并为其评估和优化提供有效的算法。这个新版本建立在 JAX 之上,JAX 是 Python 编程语言的可微分编程和加速线性代数框架。最重要的新功能是可以使用机器学习框架的简洁符号在纯 Python 代码中定义任意神经网络解析器,这允许即时编译以及由于自动微分而隐式生成梯度。NetKet 3 还支持 GPU 和 TPU 加速器、对离散对称群的高级支持、分块以扩展到数千个自由度、量子动力学应用程序的驱动程序以及改进的模块化,允许用户仅使用工具箱的部分内容作为自己代码的基础。