محققان با معرفی الگوریتم جدیدی به نام «Proximal Wavefunction Optimization» (به اختصار PWO)، گام بزرگی در بهینهسازی «حالتهای کوانتومی عصبی» (NQS) برداشتهاند.
این روش که از دلِ مفاهیم یادگیری تقویتی بیرون آمده، جایگزینی پایدارتر و سریعتر برای روشهای سنتی مثل Adam محسوب میشود. نکته جالب اینجاست که در این پژوهش، محققان موفق شدند یک مدل عظیم با ۱.۵ میلیارد پارامتر را برای مسائل کوانتومی بهینهسازی کنند که مقیاسی بسیار فراتر از کارهای قبلی در این حوزه است. این پیشرفت یعنی شبیهسازی سیستمهای کوانتومی پیچیده در آینده بسیار سریعتر و دقیقتر انجام خواهد شد. ⚛️💻
منبع: arXiv Machine Learning
