La IA y los problemas difíciles del mundo · Física cuántica y computación cuántica · arXiv · 2026-10-21
Estados de efecto Hall cuántico fraccionario de redes neuronales con factores matriciales de pares orbitales aprendibles: Equilibrio entre priors físicos y flexibilidad
Título original: Neural Network Fractional Quantum Hall States with Learnable Orbital Pair Matrix Factors: Balancing Physical Priors and Flexibility
Los estados de efecto Hall cuántico fraccionario de redes neuronales prometen capturar la mezcla de niveles de Landau, pero incorporar priors físicos ha resultado difícil de conciliar con la flexibilidad de la red. El ansatz propuesto de factor de matriz de pares orbitales (MHPO-M) sustituye la estructura fija de Laughlin por factores de pares aprendibles que dependen tanto de las configuraciones electrónicas como de los orbitales. En ν=1/5, 1/3 y 2/5 alcanza la energía variacional más baja entre las variantes probadas, y una lectura orbital factorizada permite escalar hasta 35 electrones con energías que compiten con las tendencias inferidas de la diagonalización exacta de tres niveles de Landau.