Hamilton-Zero: Modello Fondazionale Neurale per Stati Fondamentali Quantistici

I ricercatori hanno introdotto Hamilton-Zero, un modello fondazionale neurale a tensore-rete progettato per calcolare gli stati fondamentali di arbitrari hamiltoniani quadratici di qubit. Il modello, descritto in un articolo su arXiv (2608.11911), utilizza circa 0,5 miliardi di parametri variazionali ed è addestrato utilizzando tecniche derivate dai grandi modelli linguistici e dall'apprendimento per rinforzo profondo. L'approccio riformula l'apprendimento dello stato fondamentale quantistico di spin-1/2 come ottimizzazione variazionale su varietà di funzioni scalari centralmente dispari su SU(2)^N, sostituendo le ampiezze vettoriali esplicite dello spazio di Hilbert con funzioni su varietà su cui agiscono derivate di Lie. Gli autori dimostrano che questo principio variazionale preserva il limite superiore dello stato fondamentale per il settore di spin-1/2. Questo lavoro affronta la sfida del vantaggio quantistico ammortizzando il problema su un insieme universale di hamiltoniani, consentendo potenzialmente la simulazione classica di sistemi precedentemente considerati intrattabili.