[論文レビュー] Spacetime Neural Network for High Dimensional Quantum Dynamics

Wang. Jiangran, Zhuo Chen+4 more|arXiv (Cornell University)|Aug 4, 2021

Model Reduction and Neural Networks参考文献 16被引用数 7

ひとこと要約

本稿では、シュレーディンガー方程式に従う高次元量子力学的ダイナミクスを解くために、2次微分の最適化を用いた時空ニューラルネットワークを提案する。空間的および時間的波動関数表現を同時に最適化するための暗黙の中点法を用いることで、すべての時間ステップにおいて正確で自己正規化された解が得られ、12スピンヘイゼンベルク模型においてほぼ正確な重なりとエネルギーの一致を示した。

ABSTRACT

We develop a spacetime neural network method with second order optimization for solving quantum dynamics from the high dimensional Schrödinger equation. In contrast to the standard iterative first order optimization and the time-dependent variational principle, our approach utilizes the implicit mid-point method and generates the solution for all spatial and temporal values simultaneously after optimization. We demonstrate the method in the Schrödinger equation with a self-normalized autoregressive spacetime neural network construction. Future explorations for solving different high dimensional differential equations are discussed.

研究の動機と目的

• 系のサイズに伴いスケーリングが著しく悪化する高次元シュレーディンガー方程式を解く課題に対処すること。
• 反復的1次微分最適化の制限を克服し、すべての空間的・時間的点を同時に最適化可能にする。
• 連合空間的・時間的パラメータ化を通じて経路積分形式を暗黙的に符号化するニューラルネットワークアーキテクチャの開発。
• 虚時間発展を用いて12スピンヘイゼンベルク模型における本手法の有効性を実証すること。
• 実時間ダイナミクスや他の高次元微分方程式へ一般化可能なフレームワークの確立。

提案手法

• 時空ニューラルネットワークは、外部の空間的ネットワークの重みを時間に依存させる内部時間ネットワークを用い、波動関数 ψ(x,t) の自己回帰的モデリングを可能にする。
• 各時間ステップで正確なサンプリングと正規化を保証するため、自己正規化自己回帰的トランスフォーマー構造を採用する。
• 2次微分最適化として、1次オイラー法に比べて安定性と正確性が向上する暗黙の中点法を適用する。
• 損失関数はすべての時間ステップを同時に計算し、空間的・時間的波動関数全体の連合学習を可能にする。
• 時間順序付きの進化をすべての配置に符号化することで、本手法は量子力学の経路積分形式に暗黙的に接続される。
• 訓練は150ステップで実施され、時間刻みΔt = 0.01、全時間T = 2を用いる。

実験結果

リサーチクエスチョン

• RQ1 高次元量子系において、空間的および時間的次元を同時に最適化できる単一のニューラルネットワークアーキテクチャは存在するか？
• RQ2 2次微分の暗黙的時間積分は、量子力学的ダイナミクスにおいて1次反復法に比べて正確性と安定性をどのように向上させるか？
• RQ3 自己回帰的構造を有する時空ニューラルネットワークは、高次元配置空間において、自己正規化と正確なサンプリングをどの程度達成できるか？
• RQ4 本手法は、12スピンヘイゼンベルク模型のような複雑な量子系においても、正確解に高い忠実性を保つことができるか？
• RQ5 本手法は、実時間ダイナミクスや他の高次元微分方程式への一般化にどの程度の可能性を秘めているか？

主な発見

• 12スピンヘイゼンベルク模型において、T = 2の時点で正確解との絶対的重なりが約0.98に達し、波動関数再構成の高精度を示した。
• 予測されたエネルギー値は、全時間ステップで正確エネルギーとよく一致しており、進化期間中における偏差は1%未満であった。
• 2次微分の暗黙的積分を用いた訓練は安定しており、1次法で一般的に見られる不安定性の問題を回避した。
• 自己正規化自己回帰的構造により、追加の正規化ステップを必要とせず、各時間ステップで波動関数の正確なサンプリングが可能だった。
• 空間的および時間的連合最適化により、経路積分を暗黙的に符号化した解が得られ、グリーン関数のような時間相関観測量の計算が可能になった。
• 本手法は虚時間ダイナミクスに限定されず、実時間進化やハミルトニアン＝ジャコビ方程式やブラック＝ショールズ方程式などの他の高次元微分方程式へも一般化可能である。