arXiv · quant-ph· Sam Cochran, James B. Larsen, James Stokes, Andrew Wray, Michael J. Keiser, Chad Rigetti, Shravan Veerapaneni·· 3 小时前
等变连续归一化流结合离线采样估计费米子基态
Equivariant Continuous Normalizing Flows with Offline Sampling for Fermionic Ground State Estimation
arXiv:2607.18486v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Sam Cochran, James B. Larsen, James Stokes, Andrew Wray, Michael J. Keiser, Chad Rigetti, Shravan Veerapaneni
研究任务与主要进展
研究提出将等变连续归一化流与固定反对称基波函数结合，用于费米子变分蒙特卡洛基态估计。摘要称，训练时通过前向ODE推送预缓存的基态样本获得Born分布精确样本，无需Markov链蒙特卡洛，并可跨批次和运行复用、支持多GPU并行训练；增强动力学还将导数作为ODE状态变量演化，以减少轨迹微分带来的时间和内存开销。
阶段、条件与复现 · 深读核对
- AI 解决哪一个明确的量子问题？
- 训练数据、物理约束、误差与分布外检验是什么？
- 相同精度和总资源下，是否优于已有方法？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · quant-ph · arxiv.org