ИИ и сложнейшие проблемы мира · Квантовая физика и квантовые вычисления · arXiv · 2026-10-21
Дробные квантовые холловские состояния на нейронных сетях с обучаемыми матричными факторами орбитальных пар: баланс физических априорных знаний и гибкости
Оригинальное название: Neural Network Fractional Quantum Hall States with Learnable Orbital Pair Matrix Factors: Balancing Physical Priors and Flexibility
Нейросетевые дробные квантовые холловские состояния обещают учитывать смешение уровней Ландау, но включение физических априорных знаний было трудно согласовать с гибкостью сети. Предлагаемый анзац матричного фактора орбитальных пар (MHPO-M) заменяет фиксированную структуру Лафлина обучаемыми парными факторами, зависящими как от электронных конфигураций, так и от орбиталей. Для ν=1/5, 1/3 и 2/5 он достигает наименьшей вариационной энергии среди протестированных вариантов, а факторизованное орбитальное считывание позволяет масштабировать систему до 35 электронов с энергиями, конкурентоспособными с трендами, выведенными из точной диагонализации с тремя уровнями Ландау.