研究透视：谷歌-神经网络计算量子激发态 | Science

文章预览

近日，谷歌DeepMind公司David Pfau等，在Science上发文，利用变分蒙特卡罗模拟Monte Carlo方法，提出了了估计量子系统激发态的算法，并且没有自由参数，也不需要态的正交化，而只是将问题转化为寻找扩展系统的基态。以计算任意的可观察量，包括非对角期望，例如跃迁偶极矩。 这种方法，特别适用于神经网络ansätze，并且结合FermiNet和Psiformer ansätze，可以准确地恢复一系列分子的激发能和振子强度。在苯级分子上，获得了精确的垂直激发能，包括极具挑战的双激发。除了在这项工作中提出的例子外，预计这种技术，将有望应用于原子、核和凝聚态物理。 Accurate computation of quantum excited states with neural networks.  神经网络精确计算量子激发态。 自然激发态。 图1. 从锂到氖的第一行原子激发态能量。 图2. 小分子的垂直激发能和振子强度。 图3. 碳二聚体(C2)激 ………………………………