神经网络量子态对Shastry-Sutherland模型的分析
摘要：用神经网络量子态(NQSs)利用变分蒙特卡洛方法研究了Shastry-Sutherland格的海森堡模型的基态性质。我们展示了即使是相对简单的NQSs也可以用来近似描述该模型不同相和区域的基态。我们首先对比了几种不同的NQSs在小型格子上的表现，并将其变分能量与精确对角化结果进行了基准测试。我们认为，考虑到精度、广泛性和计算成本，选择用于处理更大系统的较好选择是一个浅层受限玻尔兹曼机NQS。然后我们展示了这样的NQS可以描述模型在零磁场下的主要相。此外，基于受限玻尔兹曼机的NQS能够正确描述模型磁化随磁场增加而形成的有趣平台。
作者：Matv{e}j Mezera, Jana Menv{s}''ikov''a, Pavel Bal''av{z}, Martin v{Z}onda
论文ID：2303.14108
分类：Disordered Systems and Neural Networks
分类简称：cond-mat.dis-nn
提交时间：2023-03-27