[논문 리뷰] Message-Passing Neural Quantum States for the Homogeneous Electron Gas

Gabriel Pescia, Jannes Nys외 3명|arXiv (Cornell University)|2023. 05. 12.

Neural Networks and Applications인용 수 5

한 줄 요약

이 논문은 연속 공간 내 강한 상관관계를 가진 페르미온을 시뮬레이션하기 위해 순열 등변성 그래프 네트워크를 활용하여 입자 불가분성과 연속 대칭성을 통합한 메시지 전달 신경 양자 상태(MP-NQS)를 소개한다. 이 방법은 파arameter 수가 수개의 주기 수준으로 줄어들었음에도 불구하고 최첨단 정확도를 달성하여 이전에는 신경망 양자 상태로는 불가능했던 128개의 전자를 포함한 균일 전자 기체의 시뮬레이션을 가능하게 하며, 위그너 결정화와 같은 상전이를 정확히 포착한다.

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.

연구 동기 및 목표

• 연속 공간 페르미온계에서 신경망 양자 상태(NQS)의 높은 파rameter 복잡성 문제를 해결한다.
• 정확도를 유지하면서 파rameter 수를 줄여 강한 상관관계를 가진 페르미온의 확장된 시스템에서의 스케일러블 시뮬레이션을 가능하게 한다.
• 열역학적 한계에 접근하고 상전이를 연구하기 위해 최대 N=128까지의 대규모 시스템에서 균일 전자 기체(HEG)를 시뮬레이션한다.
• 이동성 및 스핀 역전 대칭성과 같은 연속 대칭성을 NQS 아키텍처에 직접 통합하여 물리적 불변성을 유지한다.
• 위그너 결정화의 시작을 포함한 다양한 양자 상을 정량적으로 표현할 수 있는 모델의 능력을 입증한다.

제안 방법

• 상대적 입자 위치를 엣지 특성으로 코딩하고, 입자 정체성과 스핀을 노드 특성으로 코딩하는 입자 그래프에서 작동하는 메시지 전달 신경망(MPNN) 아키텍처를 제안한다.
• 메시지 전달 레이어를 통해 순열 등변성을 강제하여 페르미온의 입자 불가분성과 반대칭성을 내재적으로 만족시킨다.
• 이동성 및 스핀 역전 대칭성과 같은 연속 대칭성을 모델 아키텍처에 직접 통합하여 물리적 불변성을 손상시키지 않고 유지한다.
• MPNN에서 유도된 스핀 및 위치에 의존하는 진폭과 Jastrow 유사 상관 인자 곱으로 변분 파동함수를 구성한다.
• 중요도 샘플링과 고정 노드 근사를 사용한 변분 몬테카를로(VMC)를 적용하여 파동함수를 최적화하고 기저 상태 에너지를 계산한다.
• 열역학적 문제 제어 및 페르미온 부호 문제 완화를 위해 열역학적 샘플링과 미러 구성을 포함한 수정된 허구 시간 전파 기법을 적용한다.

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

실험 결과

연구 질문

• RQ1 메시지 전달 신경망 아키텍처를 어떻게 설계하여 연속 공간 내 페르미온 파동함수를 최소한의 파rameter로 효율적으로 표현할 수 있는가?
• RQ2 이동성 및 스핀 역전 대칭성과 같은 연속 대칭성을 손상시키지 않고 신경망 양자 상태에 얼마나 잘 통합할 수 있는가?
• RQ3 제안된 MP-NQS가 수개의 주기 수준으로 줄어든 파arameter로 최첨단 NQS와 비슷하거나 더 높은 정확도를 달성할 수 있는가?
• RQ4 연속 공간 내 신경망 양자 상태로 N > 60 전자를 가진 균일 전자 기체를 시뮬레이션하는 것은 가능한가?
• RQ5 모델이 저밀도에서 위그너 결정화로의 전이를 정량적으로 포착할 수 있는가?

주요 결과

• MP-NQS는 다양한 밀도(rs = 1에서 100)와 시스템 크기(N = 14에서 128)에서 최첨단 NQS인 FermiNet 및 WAPNet과 비교해 기저 상태 에너지가 동등하거나 더 우수한 성능을 보였다.
• rs=110에서 N=128 전자일 경우 MP-NQS는 -0.0070203(1)(1) 하트리/입자 에너지를 보고하였으며, 이는 이전에는 연속 공간 내 NQS로는 접근이 불가능했던 시스템 크기였다.
• 기존 NQS 대비 파arameter 수를 한 개에서 두 개 주기 수준으로 감소시켰음에도 불구하고 높은 정확도를 유지하여 최적화 효율성과 확장성을 향상시켰다.
• N=54 및 rs=1일 경우 MP-NQS의 에너지는 0.52973(1) 하트리로, FCI 기준값 0.52973(3) 하트리와 정확히 일치하여 높은 정확도를 입증했다.
• 모델은 위그너 결정화로의 전이를 성공적으로 포착하였으며, 저밀도에서 알려진 물리 법칙과 일치하는 에너지 경향을 보였다(예: rs=100, 에너지 ≈ -0.00773 하트리/입자).
• MP-NQS에 가우시안 노이즈를 포함시킨 MP-NQS-Gauss는 안정성과 일반화 능력을 보였으며, 에너지 변화가 미미한 편이었다(예: rs=100, N=128일 경우 ΔE ≈ 0.0001 하트리).

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