AI اور دنیا کے مشکل مسائل · کوانٹم طبیعیات اور کوانٹم کمپیوٹنگ · arXiv · 2026-10-21

قابلِ تعلم آربٹل پئیر میٹرکس فیکٹرز کے ساتھ نیورل نیٹ ورک فریکشنل کوانٹم ہال اسٹیٹس: طبیعی پریئرز اور لچک میں توازن

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

نیورل نیٹ ورک فریکشنل کوانٹم ہال اسٹیٹس لینڈاؤ لیول مکسنگ کو پکڑنے کا وعدہ رکھتے ہیں، لیکن طبیعی پریئرز کو شامل کرنا نیٹ ورک کی لچک کے ساتھ ہم آہنگ بنانا مشکل رہا ہے۔ تجویز کردہ آربٹل پئیر میٹرکس فیکٹر (MHPO-M) انسیٹز ثابت لافلن ساخت کی جگہ قابلِ تعلم پئیر فیکٹرز لیتا ہے جو الیکٹرون کنفیگریشنز اور آربٹلز دونوں پر منحصر ہوتے ہیں۔ ν=1/5، 1/3 اور 2/5 پر یہ آزمائے گئے متغیرات میں سب سے کم ویری ایشنل توانائی حاصل کرتا ہے، اور فیکٹرائزڈ آربٹل ریڈآؤٹ 35 الیکٹرونوں تک توسیع کو ممکن بناتا ہے، جس کی توانائیاں تین-LL ایگزیکٹ ڈائیگونلائزیشن سے اخذ کردہ رجحانات سے مقابلہ جوگ ہیں۔

اصل تحریر پڑھیں ↗

تمام آئٹمز →