DOI: https://doi.org/10.1103/rpj5-cns6
PMID: https://pubmed.ncbi.nlm.nih.gov/41965000
تاريخ النشر: 2026-03-10
المؤلف: Nisarga Paul
الموضوع الرئيسي: ميكانيكا الكم وتطبيقاتها
نظرة عامة
في هذا القسم، يستكشف المؤلفون قيود الحالات الكمومية العصبية (NQS) في سياق أنظمة الكم ذات الجسيمات المتعددة. يثبتون أن NQS ذات التغذية الأمامية التي تعمل على $n$ من الدورات مع $k$ من غير الخطيات العددية، تحت ظروف تحليلية محددة، تلتزم بحد على إنتروبيا التشابك لأي منطقة فرعية، معبرًا عنها كـ $S \leq ck \log n$، حيث $c$ هو ثابت. يتوازى هذا الاكتشاف مع قيد قانون المنطقة الملاحظ في حالات المنتج المصفوفي، مما يشير إلى أن NQS لا يمكن أن تظهر تشابك قانون الحجم عندما يكون عدد غير الخطيات ثابتًا.
يوفر المؤلفون أدلة تحليلية وعددية تظهر أن التوسع مع $n$ صارم عبر تكوينات مختلفة من NQS. يسلط هذا البحث الضوء على قيد أساسي على خصائص التشابك لـ NQS، مما يعزز قدراتها التعبيرية بينما يحدد حدود أدائها في تمثيل الحالات الكمومية.
مقدمة
تتناول مقدمة الورقة تحديًا أساسيًا في فيزياء الكم ذات الجسيمات المتعددة: تمثيل وتلاعب الحالات داخل الفضاء الهيلبرتي الكبير بشكل أسي. يبرز المؤلفون التوازن بين الكفاءة والتعبيرية في الحالات المتغيرة، خاصة في الحالات المعتمدة على الشبكات النسيجية مثل حالات المنتج المصفوفي (MPS)، التي تكون فعالة في الأنظمة أحادية البعد ذات الفجوات ولكنها تواجه صعوبة مع الحالات الحرجة أو تلك التي تظهر تشابك قانون الحجم. بالمقابل، ظهرت الحالات الكمومية العصبية (NQS) كبديل واعد، مستفيدة من التعبيرية للشبكات العصبية وتقنيات التحسين الحديثة. على الرغم من نجاحها التجريبي عبر مجالات مختلفة، لا يزال الفهم النظري لـ NQS محدودًا، خاصة فيما يتعلق بقيود التعبيرية.
يقترح المؤلفون التحقيق في قيود NQS من خلال تقييد عدد غير الخطيات العددية، \( k \)، في هيكلها. يثبتون أنه بالنسبة لـ NQS مع \( k \) الذي ينمو ببطء أقل من \( O(n/\log n) \)، فإن إنتروبيا التشابك \( S_A \) لمنطقة فرعية \( A \) محدودة بـ \( S_A = O(\mu \log n) \)، حيث \( \mu \leq k + 1 \). تشير هذه النتيجة إلى أن NQS لا يمكن أن تحقق تشابك قانون الحجم ما لم يكن \( k \) على الأقل \( O(n/\log n) \). يوضح المؤلفون أن هذا الحد قوي عبر هياكل NQS المختلفة ويوفر نظيرًا عصبيًا لقيد قانون المنطقة الملاحظ في MPS. تشير نتائجهم إلى أن عدد العمليات غير الخطية في هيكل NQS يعمل كعنق زجاجة حاسم للتشابك، مع آثار على تصميم وتطبيق الحالات الكمومية العصبية في تمثيل الأنظمة الكمومية المعقدة.
نقاش
في هذا القسم، يحدد المؤلفون حدًا أعلى على التشابك لحالات الكم العصبية ذات التغذية الأمامية (NQS) المميزة بـ $S = O(k \log n)$، حيث $k$ هو عدد العمليات غير الخطية العددية الأساسية و$n$ هو عدد الدورات أو درجات حرية الفيرميون في الشبكة. تشير هذه النتيجة إلى أنه يمكن تحقيق تشابك لوغاريتمي حتى مع عدد محدود من غير الخطيات، مما يتناقض مع حالات المنتج المصفوفي (MPS)، التي تتطلب أبعاد روابط تنمو بشكل متعدد الحدود لتحقيق تشابك مشابه. ينطبق هذا النظرية تحت افتراضات تحليلية محددة وتوضح الشروط التي يمكن أن يتواجد فيها تشابك قانون الحجم مع NQS، مع تحديد آليات مثل زيادة عدد غير الخطيات، واستخدام هياكل متكررة، أو دمج عمليات غير عددية عالمية.
يقدم المؤلفون أيضًا تجارب عددية تدعم ادعاءاتهم النظرية، موضحين أن NQS ذات غير الخطية الواحدة (SN-NQS) تظهر تشابكًا لوغاريتميًا، خاصة من خلال مثال حالة ديك. يستكشفون أيضًا NQS متعددة الطبقات (MLP) وNQS المحولات، مؤكدين أن هذه الهياكل تتماشى أيضًا مع توسيع التشابك اللوغاريتمي عندما تكون غير الخطيات محدودة. تشير النتائج إلى أنه بينما يمكن لـ NQS التقاط الحالات الكمومية بكفاءة، فإن تعبيرها محدود أساسًا بعدد غير الخطيات، مما يفتح آفاقًا للبحث المستقبلي في تخفيف الافتراضات التحليلية واستكشاف مقاييس بديلة للتعبيرية تتجاوز التشابك.
DOI: https://doi.org/10.1103/rpj5-cns6
PMID: https://pubmed.ncbi.nlm.nih.gov/41965000
Publication Date: 2026-03-10
Author(s): Nisarga Paul
Primary Topic: Quantum Mechanics and Applications
Overview
In this section, the authors investigate the limitations of neural quantum states (NQS) in the context of many-body quantum systems. They establish that feed-forward NQS acting on $n$ spins with $k$ scalar nonlinearities, under specific analyticity conditions, adhere to a bound on entanglement entropy for any subregion, expressed as $S \leq ck \log n$, where $c$ is a constant. This finding parallels the area law constraint observed in matrix product states, indicating that NQS cannot exhibit volume law entanglement when the number of nonlinearities is constant.
The authors provide both analytical and numerical evidence demonstrating that the scaling with $n$ is tight across various NQS configurations. This research highlights a fundamental constraint on the entanglement properties of NQS, reinforcing their expressive capabilities while delineating the boundaries of their performance in representing quantum states.
Introduction
The introduction of the paper addresses a fundamental challenge in quantum many-body physics: the representation and manipulation of states within the exponentially large Hilbert space. The authors highlight the trade-off between efficiency and expressivity in variational states, particularly in tensor network-based states like matrix product states (MPS), which are effective for gapped one-dimensional systems but struggle with critical states or those exhibiting volume law entanglement. In contrast, neural quantum states (NQS) have emerged as a promising alternative, leveraging the expressivity of neural networks and modern optimization techniques. Despite their empirical success across various fields, the theoretical understanding of NQS remains limited, particularly regarding expressivity constraints.
The authors propose to investigate the limitations of NQS by restricting the number of scalar nonlinearities, \( k \), in their architecture. They establish that for NQS with \( k \) growing slower than \( O(n/\log n) \), the entanglement entropy \( S_A \) of a subregion \( A \) is bounded by \( S_A = O(\mu \log n) \), where \( \mu \leq k + 1 \). This result implies that NQS cannot achieve volume law entanglement unless \( k \) is at least \( O(n/\log n) \). The authors demonstrate that this bound is robust across various NQS architectures and provides a neural analog to the area law constraint observed in MPS. Their findings suggest that the number of nonlinear operations in an NQS architecture serves as a critical bottleneck for entanglement, with implications for the design and application of neural quantum states in representing complex quantum systems.
Discussion
In this section, the authors establish an upper bound on the entanglement of feed-forward neural quantum states (NQS) characterized by $S = O(k \log n)$, where $k$ is the number of elementary scalar nonlinear operations and $n$ is the number of spins or lattice fermion degrees of freedom. This finding indicates that logarithmic entanglement can be achieved even with a limited number of nonlinearities, contrasting with matrix product states (MPS), which require a polynomially growing bond dimension to achieve similar entanglement scaling. The theorem applies under specific analyticity assumptions and clarifies the conditions under which volume-law entanglement can coexist with NQS, identifying mechanisms such as increasing the number of nonlinearities, utilizing recurrent architectures, or incorporating global non-scalar operations.
The authors also present numerical experiments that support their theoretical claims, demonstrating that single-nonlinearity NQS (SN-NQS) exhibit logarithmic entanglement, particularly through the example of the Dicke state. They further explore multilayer perceptron (MLP) and transformer NQS, confirming that these architectures also align with the logarithmic entanglement scaling when nonlinearities are bounded. The results suggest that while NQS can efficiently capture quantum states, their expressivity is fundamentally limited by the number of nonlinearities, opening avenues for future research into relaxing analyticity assumptions and exploring alternative measures of expressivity beyond entanglement.