连续空间中的多体量子系统的非线性网络描述
摘要：迭代回流重整化可以解释为连续空间中具有非线性函数的通用神经网络。我们将这个波函数用于两维和三维液态$^4$He的变分蒙特卡罗方法中，与当前使用的波函数相比，通常可以实现十倍的精确度提升。此外，迭代过程的后续阶段定义了一组越来越好的波函数，每个波函数都有自己的变分能量和局部能量的方差：将这些能量外推至零方差可得到与精确值非常接近的结果。对于二维$^4$He，我们还证明了迭代回流波函数可以用相同的函数形式描述液态和固态相-这是与Shadow Wave Function共享的特征，但现在具有更高的精确度。对于三维$^3$He液体，我们也取得了显著进展，改善了先前对这个非常具有挑战性的费米系统的变分和固定节点能量。
作者：Michele Ruggeri, Saverio Moroni and Markus Holzmann
论文ID：1711.01993
分类：Other Condensed Matter
分类简称：cond-mat.other
提交时间：2018-05-23