SA-LapNet：从波函数构造上根治神经网络量子计算的态混合难题
bravo_abad · x · 2026-10-25
Li 及同事提出一种神经网络量子蒙特卡洛方法，解决计算电子自旋态时神经网络意外混入其他磁态的问题。传统做法是在训练中对态混合加惩罚项，但惩罚强度难以权衡：在测试的铁硫簇上，加大惩罚提升了自旋纯度却恶化了能量计算精度。新方法通过数学构造波函数本身精确固定总自旋，让神经网络只需学习电子间的空间关联，基于 LapNet 实现（SA-LapNet）。测试簇上模型精准落在目标自旋态，且未出现惩罚法伴随的能量误差上升，突破了自旋纯度-能量的 Pareto 权衡；图表显示其在 15 个小分子/簇上普遍优于 AFQMC，单步耗时也更低。
「研究」频道最新
- 研究：新兴声音通讯的组合性可分为线性、同时与图像式 — abenitezburraco · 2026-10-25
- OpenDS-World 基准：GPT-6 Astra 实时网页深度搜索 39%，人类均值 21.1% — emmanuelvivier · 2026-10-25
- 微软 AI 诊断系统 MAI-DxO 准确率 83.2%，碾压医生的 36.1% — emmanuelvivier · 2026-10-25
- 安全研究者放话：验证要做到麦克斯韦方程层，而非止步汇编 — JacquesThibs · 2026-10-25
- 云端 Agent 监督本地 35B 自出 800 题：出题比解题更易错，错题率 5 倍 — Individual_Page9676 · 2026-10-25
- XYBench 基准：最强 LLM 仍照字面回答，识别用户误解不足 63% — MaartenSap · 2026-10-25