AI এবং বিশ্বের কঠিন সমস্যাগুলো · কোয়ান্টাম পদার্থবিজ্ঞান ও কোয়ান্টাম কম্পিউটিং · arXiv · 2026-10-21

শেখাযোগ্য অরবিটাল-জোড় ম্যাট্রিক্স ফ্যাক্টরসহ নিউরাল নেটওয়ার্ক ফ্র্যাকশনাল কোয়ান্টাম হল অবস্থা: ভৌত পূর্বধারণা ও নমনীয়তার ভারসাম্য

মূল শিরোনাম: Neural Network Fractional Quantum Hall States with Learnable Orbital Pair Matrix Factors: Balancing Physical Priors and Flexibility

নিউরাল নেটওয়ার্ক ফ্র্যাকশনাল কোয়ান্টাম হল অবস্থা ল্যান্ডাউ লেভেল মিশ্রণ ধারণ করার প্রতিশ্রুতি দেয়, কিন্তু ভৌত পূর্বধারণা অন্তর্ভুক্ত করাকে নেটওয়ার্কের নমনীয়তার সঙ্গে মেলানো কঠিন ছিল। প্রস্তাবিত অরবিটাল-জোড় ম্যাট্রিক্স ফ্যাক্টর (MHPO-M) অ্যানস্যাটস স্থির লাফলিন (Laughlin) কাঠামোকে প্রতিস্থাপন করে এমন শেখাযোগ্য জোড় ফ্যাক্টর দিয়ে, যেগুলি ইলেকট্রন বিন্যাস এবং অরবিটাল উভয়ের ওপর নির্ভরশীল। ν=1/5, 1/3 এবং 2/5-এ এটি পরীক্ষিত বিকল্পগুলির মধ্যে সর্বনিম্ন ভ্যারিয়েশনাল শক্তি অর্জন করে, এবং ফ্যাক্টরায়িত অরবিটাল রিডআউট 35টি ইলেকট্রন পর্যন্ত বিস্তারে সক্ষম করে, যেখানে শক্তিগুলি তিন-LL এক্স্যাক্ট ডায়াগোনালাইজেশন থেকে অনুমিত প্রবণতার সঙ্গে প্রতিযোগী।

মূল লেখা পড়ুন ↗

সব আইটেম →