[论文解读] Wave function optimization in Variational Monte Carlo

Sandro Sorella|arXiv (Cornell University)|Feb 23, 2005

Theoretical and Computational Physics被引用 2

一句话总结

本文提出了一种用于变分蒙特卡洛（VMC）波函数的高效迭代优化方案，通过快速估算能量导数实现快速收敛。该方法优于标准牛顿法，并可同时优化Jastrow项与行列式项，即使在一维和二维量子模型中存在多个变分参数时也能实现高精度。

ABSTRACT

An appropriate iterative scheme for the minimization of the energy, based on the variational Monte Carlo (VMC) technique, is introduced and compared with existing stochastic schemes. We test the various methods for the 1D Heisenberg ring and the 2D t-J model and show that, with the present scheme, very accurate and efficient calculations are possible, even for several variational parameters. Indeed, by using a very efficient statistical evaluation of the first and the second energy derivatives, it is possible to define a very rapidly converging iterative scheme that, within VMC, is much more convenient than the standard Newton method. It is also shown how to optimize simultaneously both the Jastrow and the determinantal part of the wave function.

研究动机与目标

• 开发一种更高效且收敛更快的变分蒙特卡洛（VMC）能量最小化迭代方案。
• 改进强关联电子体系中多个变分参数的波函数优化。
• 在VMC框架内实现波函数中Jastrow项与行列式项的联合优化。
• 以基于随机能量导数估算的更高效方法替代标准牛顿法。

提出的方法

• 该方法使用能量对变分参数的一阶和二阶导数的随机估计。
• 基于这些导数估计采用改进的迭代方案，避免精确海森矩阵计算的计算开销。
• 通过在蒙特卡洛框架中对能量导数进行统计采样，实现快速收敛。
• 通过将Jastrow项与行列式项视为相互关联的变分参数，支持其联合优化。
• 与基于标准牛顿法的方法相比，该方法在保持高精度的同时显著降低了计算开销。

实验结果

研究问题

• RQ1 基于随机导数的迭代方案是否能在VMC波函数优化中优于标准牛顿法？
• RQ2 在关联量子体系中，多个变分参数能否实现高效的同时优化？
• RQ3 能否以高精度和快速收敛实现波函数中Jastrow项与行列式项的联合优化？
• RQ4 高效的导数估算对VMC计算整体收敛速度有何影响？

主要发现

• 所提出的迭代方案在VMC框架内收敛速度显著快于标准牛顿法。
• 即使在存在多个变分参数的情况下，该方法仍能实现高精度且高效的优化，如在一维海森堡环和二维t-J模型中的验证所示。
• 通过该方法可实现且有效完成Jastrow项与行列式波函数组件的联合优化。
• 对能量导数的统计估算实现了高计算效率，同时不损失收敛速度或精度。