TL;DR
- چکیده:.
- روشهای شبکه تانسور،.
- بهویژه آنهایی که مبتنی بر حالتهای محصول ماتریس (MPS) هستند،.
چه اتفاقی افتاد
چکیده:. روشهای شبکه تانسور،.
بهویژه آنهایی که مبتنی بر حالتهای محصول ماتریس (MPS) هستند،. یک چارچوب قدرتمند برای شبیهسازی سیستمهای چند جسمیکوانتومی ارائه میدهند.
یک چالش محاسباتی پایدار در این روشها،. انتخاب بعد پیوند چی است که مبادله بین دقت و هزینه محاسباتی را کنترل میکند.
استراتژیهای بعد پیوند ثابت یا منابع را در مناطق کم درهمتنیدگی هدر میدهند یا در مناطق با درهم. تنیدگی بالا وفاداری خود را از دست میدهند.
این کار یک چارچوب مدیریت ابعاد پیوند تطبیقی را معرفی میکند که از بازخورد آنتروپی فون نویمان همراه. با یک کنترلکننده متناسب-انتگرال-مشتق (PID) برای تنظیم پویا chi در هر پیوند در طول شبیهسازی استفاده میکند.
یک فیلتر میانگین متحرک نمایی (EMA) اندازهگیری آنتروپی را در برابر نوسانات گذرا تثبیت میکند و. یک ماژول زمان بندی پیش بینی کننده بعد پیوند آینده را پیش بینی میکند.
الزامات مربوط به روند آنتروپی دانه بندی هر پیوند تخصیص تضمین میکند که منابع محاسباتی در جایی. متمرکز میشوند که درهم تنیدگی بیشترین مقدار را دارد.
این فریم ورک تجزیه ارزش واحد (SVD) شتابدهی شده توسط GPU را از طریق CuPy و باطن cuSOLVER. ادغام میکند و به سرعتهای SVD فردی 4.
1 برابر در chi=256 و 7. 1x در chi=2048 نسبت به NumPy مبتنی بر CPU برای فاکتورهای ایزوله شده بر روی ماتریس DIAsur دست.
مییابد. پردازنده گرافیکی A100-SXM4-40GB با CuPy 13.
4. 1 و CUDA 12.
8). در سطح سیستم، معیارهای موجود در زنجیره ضد فرومغناطیسی اسپین-1/2هایزنبرگ کاهش 2.
7 برابری در زمان دیوار DMRG کل را در مقایسه با شبیهسازیهای ثابت چی،. با دقت انرژی در 0.
1 درصد از محلول Bethe ansatz نشان میدهند. ادغام با الگوریتم رنرمالسازی مجدد ماتریس چگالی (DMRG) انرژیهای حالت پایه را در هر سایت به دست میدهد.
که به E/N = -0. 4432 برای مدل هایزنبرگ همسانگرد در chi = همگرا میشود.
128. اعتبار سنجی در برابر خدمات وب آمازون (AWS) شبیهساز statevector Braket SV1 توافق را در 2-5 ٪.
برای سیستمهای کوچک تأیید میکند. فناوریهای نوظهور (cs.
ET)؛ الکترونهای با همبستگی قوی (cond-mat. str-el)؛ تجزیه و تحلیل عددی (math.
NA); فیزیک کوانتومی (quant-ph) استناد بهعنوان: (یا v1 [cs. ET] برای این نسخه) https:.
// شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:. پروفسور Santhosh Sivasubramani [مشاهده ایمیل] [v1] یکشنبه،.
5 آوریل 2026،. 04:.
30:. 46 UTC (658 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.