...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Physical review, E >Machine-learning quantum mechanics: Solving quantum mechanics problems using radial basis function networks
【24h】

Machine-learning quantum mechanics: Solving quantum mechanics problems using radial basis function networks

机译：机器学习量子力学：使用径向基函数网络解决量子力学问题

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this article, machine-learning methods are used to solve quantum mechanics problems. The radial basis function network in a discrete basis is used as the variational wave function for the ground state of a quantum system. Variational Monte Carlo (VMC) calculations are carried out for some simple Hamiltonians. The results are in good agreement with theoretical values. The smallest eigenvalue of a Hermitian matrix can also be acquired using VMC calculations. Results are provided to demonstrate that machine-learning techniques are capable of solving quantum mechanical problems.
机译：在本文中，使用机器学习方法来解决量子力学问题。 以离散基础的径向基函数网络用作量子系统的地面的变分波函数。 对于一些简单的汉密尔顿人来说，变分蒙特卡罗（VMC）计算。 结果与理论值吻合良好。 也可以使用VMC计算获取隐士矩阵的最小特征值。 提供了结果以证明机器学习技术能够解决量子的机械问题。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号