💡
原文中文，约3000字，阅读约需7分钟。
📝
内容提要
谷歌DeepMind研究人员开发了一种准确计算量子系统激发态的新方法，名为NES-VMC。该方法将变分蒙特卡洛估计与神经网络ansatz相结合，能够准确计算分子的激发能量和振子强度。研究人员在各种系统上进行了测试，从单个原子到较大的分子，与现有方法相比取得了高精度。神经网络ansatz的灵活性和数学洞察力使得NES-VMC适用于广泛的量子系统，并能提高科学家对量子力学中具有挑战性问题的理解。
🎯
关键要点
- 谷歌DeepMind研究人员开发了一种新方法NES-VMC，用于准确计算量子系统的激发态。
- NES-VMC结合了变分蒙特卡洛估计和神经网络ansatz，能够计算分子的激发能量和振子强度。
- 该方法在从单个原子到较大分子的多种系统上进行了测试，取得了高精度结果。
- 激发态在物理学和化学中非常重要，但计算激发态特性面临理论挑战。
- NES-VMC方法无需自由参数和正交化，能够将问题转化为寻找扩展系统基态的问题。
- 研究人员在多个基准系统上验证了NES-VMC的准确性，结果与实验数据非常接近。
- NES-VMC在碳二聚体和乙烯等分子上表现出显著的计算精度，优于现有方法。
- 该方法的灵活性使其适用于广泛的量子系统，未来可能应用于多体量子力学中的挑战性问题。
➡️
