L'IA face aux grands problèmes du monde · Physique quantique et informatique quantique · arXiv · 2026-10-21
États d'effet Hall quantique fractionnaire en réseaux de neurones avec facteurs matriciels de paires orbitales apprenables : concilier a priori physiques et flexibilité
Titre original: Neural Network Fractional Quantum Hall States with Learnable Orbital Pair Matrix Factors: Balancing Physical Priors and Flexibility
Les états d'effet Hall quantique fractionnaire par réseaux de neurones promettent de capturer le mélange des niveaux de Landau, mais l'incorporation d'a priori physiques s'est avérée difficile à concilier avec la flexibilité du réseau. L'ansatz de facteur matriciel de paires orbitales proposé (MHPO-M) remplace la structure fixe de Laughlin par des facteurs de paires apprenables qui dépendent à la fois des configurations électroniques et des orbitales. Pour ν=1/5, 1/3 et 2/5, il atteint la plus basse énergie variationnelle parmi les variantes testées, et une lecture orbitale factorisée permet le passage à 35 électrons avec des énergies compétitives par rapport aux tendances déduites de la diagonalisation exacte à trois niveaux de Landau.