发表机构
Los Alamos National Laboratory; University of Washington; Institute for Nuclear Theory, University of Washington（洛斯阿拉莫斯国家实验室; 华盛顿大学; 华盛顿大学核理论研究所）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
本文提出基于神经量子态的框架，通过训练单一模型覆盖核哈密顿量耦合参数范围，无需重训即可高效计算核观测量，并应用于两体散射及氘核基态。
AI 中文摘要
我们提出了一种基于神经量子态（NQS）的新方法，用于在核哈密顿量中的耦合参数变化时快速计算核观测量。一个依赖于相互作用的NQS，在哈密顿量的耦合参数范围内进行训练，能够为该连续范围的相互作用参数提供高保真度的波函数。通过获取每组耦合参数对应的波函数，可以在不重新训练NQS的情况下高效计算任何静态观测量。我们将此框架应用于两体核散射以及由手征有效场论推导至三阶的局域相互作用下的氘核基态。
英文摘要
We introduce a new approach, based on neural quantum states (NQSs), to rapidly compute nuclear observables when couplings in nuclear Hamiltonians are varied. A single interaction-dependent NQS, trained across a range of couplings in the Hamiltonian, provides high-fidelity wavefunctions for that continuous range of interaction parameters. With access to the wavefunction for each set of couplings, any static observables can be computed efficiently without retraining the NQS. We apply this framework to two-body nuclear scattering and the deuteron ground state with local interactions derived from chiral effective field theory up to third order.
Comments6 pages, 3 figures, containing supplemental material
