Potencia representacional de estados cuánticos de redes neuronales seleccionadas en segunda cuantificación

Área de la Ciencia:

• Física Computacional
• Mecánica Cuántica
• Aprendizaje Automático

Sus antecedentes:

• Los estados cuánticos de redes neuronales son herramientas emergentes para problemas cuánticos de muchos cuerpos.
• Es crucial comprender sus capacidades y limitaciones, especialmente para fermiones.

Objetivo del estudio:

• Generalizar el Ansatz de la máquina de Boltzmann restringida para estados fermiónicos.
• Introducir y analizar los Estados de Producto Neuronal (NPS) para problemas cuánticos de muchos cuerpos.

Principales métodos:

• Generalización del Ansatz de la máquina de Boltzmann restringida a Estados de Producto Neuronal (NPS).
• Demostración de las capacidades de aproximación universal de los NPS, redes neuronales feedforward y retroceso de redes neuronales en segunda cuantificación.

Principales resultados:

• Los NPS utilizan correlacionadores no locales simples, a diferencia de los estados de producto de correlacionadores.
• Los NPS pueden aproximar cualquier función de onda bajo condiciones leves.
• Se estableció la aproximación universal para representaciones de redes neuronales en segunda cuantificación.

Conclusiones:

• Los NPS proporcionan un marco novedoso y potente para representar estados cuánticos fermiónicos.
• El estudio profundiza la comprensión de las capacidades de las redes neuronales para resolver problemas cuánticos de muchos cuerpos.