[論文レビュー] Autoregressive Neural Quantum States with Quantum Number Symmetries

Aleksei Malyshev, Juan Miguel Arrazola+1 more|ArXiv.org|Oct 6, 2023

Machine Learning in Materials Science被引用数 4

ひとこと要約

本論文は、粒子数、スピン投影、分子の空間対称性といった任意の量子数対称性を自己回帰的ニューラル量子状態（ANQS）に組み込む一般化されたフレームワークを提案する。物理的でないサンプリング経路の早期終了を可能にすることで、従来のANQSに基づく電子構造計算と比較して、10倍以上の高速化を達成しながら、複数の分子で化学的精度を実現する。

ABSTRACT

Neural quantum states have established themselves as a powerful and versatile family of ansatzes for variational Monte Carlo simulations of quantum many-body systems. Of particular prominence are autoregressive neural quantum states (ANQS), which enjoy the expressibility of deep neural networks, and are equipped with a procedure for fast and unbiased sampling. Yet, the non-selective nature of autoregressive sampling makes incorporating quantum number symmetries challenging. In this work, we develop a general framework to make the autoregressive sampling compliant with an arbitrary number of quantum number symmetries. We showcase its advantages by running electronic structure calculations for a range of molecules with multiple symmetries of this kind. We reach the level of accuracy reported in previous works with more than an order of magnitude speedup and achieve chemical accuracy for all studied molecules, which is a milestone unreported so far. Combined with the existing effort to incorporate space symmetries, our approach expands the symmetry toolbox essential for any variational ansatz and brings the ANQS closer to being a competitive choice for studying challenging quantum many-body systems.

研究の動機と目的

• 自己回帰的ニューラル量子状態（ANQS）に複数の量子数対称性を効率的に組み込む課題に対処すること。ANQSは従来、組み込みの対称性制約を有しない。
• 自己回帰的サンプリングにおける後処理選択の非効率性を克服し、物理的に許容されない部分基底ベクトルを早期に検出可能にする。
• NQSに基づく量子化学でこれまで用いられていなかったZ₂対称性（π対称性）を含む分子の空間対称性を導入することで、ANQSの適用範囲を拡大すること。
• 電子構造の変分モンテカルロシミュレーションにおける計算効率と精度を顕著に向上させること。
• ANQSに空間対称性と量子数対称性を組み合わせることで、従来の量子化学的手法に近い性能を達成できることを示すこと。

提案手法

• 各自己回帰的サンプリング段階で、部分的にサンプリングされた基底ベクトルが物理的に許容される対称性セクターに拡張可能かどうかをチェックするプルーニングアルゴリズムを提案する。
• 累積された量子数（全粒子数、スピン投影、空間対称性量子数など）に基づく再帰的条件を用いて、部分的構成が物理的に不適切かどうかを判断する。
• 自己回帰的サンプリングプロセスを変更し、物理的に不適切な分岐を早期にスキップすることで、無駄な計算を削減する。
• MU-2とDUの2つのプルーニング戦略を導入し、MU-2がよりロバストであることが示された。MU-2はより多くの一意なサンプルを保持し、特に初期最適化段階でのサンプリングスタックのリスクを低減する。
• 対称性に配慮したサンプリング手順を採用し、高速かつバイアスのないサンプリングを維持しながら、生成されたすべてのサンプルが所望する対称性セクターを満たすように保証する。
• 局所エネルギー推定器を用いた変分モンテカルロに、対称性に配慮したANQSを統合し、アーサンスパラメータを効率的に最適化する。

実験結果

リサーチクエスチョン

• RQ1 自己回帰的ニューラル量子状態が、サンプリング速度やバイアスを損なわずに、複数の量子数対称性を効率的に制約できるか。
• RQ2 自己回帰的サンプリングにおける物理的に不適切な部分構成を、無駄な計算を避けるためにどのように早期に検出できるか。
• RQ3 分子の空間対称性（Z₂対称性）を含めることで、ANQSの電子構造計算における精度と収束速度にどのような影響を与えるか。
• RQ4 異なるプルーニング戦略（MU-2対DU）が、対称性制約付きANQSにおける一意なサンプル数と最適化安定性に与える影響は何か。
• RQ5 対称性に配慮したANQSは、従来のNQS手法と比較して、電子構造シミュレーションにおいてどの程度の化学的精度と高速化を達成できるか。

主な発見

• 提案された対称性に配慮したANQSフレームワークは、N₂、C₂、Li₂Oを含むすべての検討対象分子で化学的精度（≤1.6×10⁻³ Ha）を達成した。これは、ANQSベースの計算でこれまで報告されていなかった成果である。
• N₂およびC₂では、従来のANQS手法と比較して、化学的精度への収束に10分の1以下の時間で到達し、10倍以上の高速化を実現した。
• MU-2プルーニング戦略は、初期最適化段階で特に顕著なサンプリングスタックのリスク低減と、より多くの一意なサンプルの保持により、DUを上回る性能を示した。
• 物理的に不適切な部分構成を早期に検出することで、無駄なサンプル数を削減し、計算リソースのより効率的な使用を実現した。
• Z₂対称性（π対称性）をフレームワークを介して導入することで、ANQSが従来の量子化学手法と同等の計算部分空間にアクセス可能となり、顕著な精度向上が達成された。
• 1回の反復時間は類似しているが、収束速度の向上により、全体の計算時間に顕著な削減が見られ、Li₂Oでは化学的精度に到達するまでの時間が、従来の手法の45.6時間から5.1時間に短縮された。