使用物理信息神经网络计算量子系统的频谱的教程
原文中文，约400字，阅读约需1分钟。发表于：。量子多体系统模拟是物理学、生物学和化学等许多研究领域的重要课题之一。本文介绍了一种利用神经网络进行量子力学系统模拟的深度学习算法，即基于物理先验的神经网络。该方法能够通过求取本征值和本征函数，解决给定势能下薛定谔方程的问题。
本研究探讨了物理信息驱动的神经网络（PINNs）在两个不同系统的实验数据上的表现。结果显示，在简单的非线性摆系统中，PINNs 在理想数据情况下的准确度提高了18倍和6倍，在使用实验数据进行测试时，准确度提高了9.3倍和9.1倍。研究还验证了物理信息驱动模型在物理系统中的可行性，并选择了FPGA作为部署计算的基板。未来工作计划包括解决与时间相干感知和空间数据对齐相关的问题。
