AI 與世界的難題 · 量子物理與量子運算 · arXiv · 2026-10-23
透過資訊混合與階層式網路架構實現可擴展的神經波函數
原標題: Scalable Neural Wave Functions via Information Mixing and Hierarchical Network Architectures
模擬量子多體系統十分困難，因為希爾伯特空間會隨系統大小呈指數成長。作者將 MLP mixer 作為神經波函數擬設（ansatz），在二維量子多體系統的基態上進行測試，並與 RNN 和 Transformer 比較。MLP mixer 的表現與最先進的模型不相上下，而與 Transformer 的階層式組合在大規模量子系統上，表現優於其他最先進的架構。