[論文レビュー] Message-Passing Neural Quantum States for the Homogeneous Electron Gas

Gabriel Pescia, Jannes Nys+3 more|arXiv (Cornell University)|May 12, 2023

Neural Networks and Applications被引用数 5

ひとこと要約

本稿では、粒子の同一性および連続的対称性を組み込むために置換同変性を持つグラフネットワークを用いた、連続空間における強相関するフェルミ粒子をシミュレートするためのメッセージパッシングニューラル量子状態（MP-NQS）を提案する。この手法は、パrameter数が著しく少ないにもかかわらず、最先端の精度を達成しており、128電子の均一電子系のシミュレーションが可能になった（これは従来のニューラルネットワーク量子状態では不可能であった）。また、ウィグナー結晶化のような相転移を正確に捉えている。

ABSTRACT

We introduce a message-passing-neural-network-based wave function Ansatz to simulate extended, strongly interacting fermions in continuous space. Symmetry constraints, such as continuous translation symmetries, can be readily embedded in the model. We demonstrate its accuracy by simulating the ground state of the homogeneous electron gas in three spatial dimensions at different densities and system sizes. With orders of magnitude fewer parameters than state-of-the-art neural-network wave functions, we demonstrate better or comparable ground-state energies. Reducing the parameter complexity allows scaling to $N=128$ electrons, previously inaccessible to neural-network wave functions in continuous space, enabling future work on finite-size extrapolations to the thermodynamic limit. We also show the Ansatz's capability of quantitatively representing different phases of matter.

研究の動機と目的

• 連続空間におけるフェルミオン系のニューラルネットワーク量子状態（NQS）における高いパrameter複雑性の課題に対処すること。
• パrameter数を削減しながらも精度を維持することで、拡大系における強相関フェルミオンのスケーラブルなシミュレーションを可能にすること。
• 均一電子系（HEG）を大規模系（最大N=128）でシミュレートし、熱力学的極限に到達し、相転移を研究すること。
• 移動対称性やスピン反転対称性といった連続的対称性を、NQSアーキテクチャに直接埋め込み、物理的不変性を保つこと。
• ウィグナー結晶化の始まりを含む、さまざまな量子相を定量的に表現できる能力を示すこと。

提案手法

• 相対的な粒子位置をエンコードするエッジ特徴量と、粒子の識別子およびスピンをエンコードするノード特徴量を持つ、粒子グラフ上で動作するメッセージパッシングニューラルネットワーク（MPNN）アーキテクチャを提案する。
• メッセージパッシング層による置換同変性の強制により、フェルミオンの粒子の同一性と反対称性を内蔵的に満たす。
• 移動対称性やスピン反転対称性といった連続的対称性を、モデルアーキテクチャに直接埋め込み、対称性の破れを回避して物理的不変性を保持する。
• MPNNから得られるスピンおよび位置依存の振幅と、ジャストロウ型相関因子の積として、変分波動関数を構築する。
• 重要度サンプリングと固定ノード近似を用いた変分モンテカルロ（VMC）法により、波動関数を最適化し、基底状態エネルギーを計算する。
• ヒートバスターサンプリングとミラー構造を用いた修正版の虚時間発展スキームを適用し、サンプリング効率を向上させるとともに、フェルミオンの符号問題を制御する。

Figure 1: Illustration of backflow transformation via MPNN. Single-particle coordinates $\mathbf{r}_{i}\in\mathbb{R}^{d}$ (black dots, top left) are mapped to quasi-particle coordinates $\delta\mathbf{r}_{i}\in\mathbb{C}^{d}$ (black/white dots for real/imaginary part, top right). From an initial gra

実験結果

リサーチクエスチョン

• RQ1 メッセージパッシングニューラルネットワークアーキテクチャを、パrameter数を最小限に抑えつつ、連続空間におけるフェルミオン波動関数を効率的に表現できるように設計できるか？
• RQ2 移動対称性やスピン反転対称性といった連続的対称性を、破れを起こさずにニューラルネットワーク量子状態に埋め込める範囲はどの程度か？
• RQ3 提案されたMP-NQSは、パrameter数が1〜2桁少ないにもかかわらず、最先端のNQSと同等またはそれ以上の精度を達成できるか？
• RQ4 連続空間におけるニューラルネットワーク量子状態で、N > 60の電子を有する均一電子系をシミュレートするのは可能か？
• RQ5 モデルは低密度におけるウィグナー結晶化への遷移を定量的に捉えることができるか？

主な発見

• MP-NQSは、幅広い密度範囲（rs = 1 から 100）および系サイズ（N = 14 から 128）において、FermiNet や WAPNet などの最先端NQSと同等またはそれ以上の基底状態エネルギーを達成している。
• rs=110、N=128の系において、MP-NQSは -0.0070203(1)(1) ハートリー/粒子のエネルギーを報告しており、これは連続空間におけるNQSでこれまでに到達できなかった系サイズである。
• 従来のNQSと比較して、パrameter数を1〜2桁削減しながらも高い精度を維持しており、最適化の効率化とスケーラビリティの向上が可能になった。
• N=54、rs=1の系において、MP-NQSのエネルギーは 0.52973(1) ハートリーであり、FCIベンチマークの 0.52973(3) ハートリーと一致しており、高い精度が裏付けられている。
• モデルはウィグナー結晶化への遷移を成功裏に捉えており、低密度（例：rs=100、エネルギー ≈ -0.00773 ハートリー/粒子）における既知の物理的傾向と整合的である。
• MP-NQSにガウスノイズを導入したMP-NQS-Gaussは、わずかなエネルギーシフト（例：rs=100、N=128で ΔE ≈ 0.0001 ハートリー）しか示さないなど、安定性および一般化性能に優れている。

Figure 2: Comparison of ground-state energies obtained with different methods for various densities, polarizations, and system sizes, in mHa per particle. Each line shows the difference in energy of the respective method to the MP-NQS energy with plane-wave orbitals $E_{\mathrm{MPNN}}$ (values above