神经网络量子态的非随机优化算法
摘要：神经网络量子态（NQS）通过变分蒙特卡洛（VMC）使用人工神经网络来编码第二量子化的多体波函数。它们最近已被应用于准确描述分子的电子波函数，并显示出与传统量子化学方法相比的效率挑战。在这里，我们介绍了一种用于化学系统中NQS的通用非随机优化算法，它同时在能量评估NQS的基础上确定性地生成一组重要的配置。这种方法绕过了VMC框架中对马尔可夫链蒙特卡洛的需求，从而加速整个优化过程。此外，这种新开发的非随机优化算法对NQS提供了与其随机对应物相当或更高的精度，并确保更稳定的收敛性。将该模型应用于展示强电子关联性的测试分子进一步揭示了NQS在化学系统中的性能，并为未来的改进提供了途径。
作者：Xiang Li, Jia-Cheng Huang, Guang-Ze Zhang, Hao-En Li, Chang-su Cao, Dingshun Lv, Han-Shi Hu
论文ID：2305.12776
分类：Chemical Physics
分类简称：physics.chem-ph
提交时间：2023-08-01