NNQS-Transformer: an Efficient and Scalable Neural Network Quantum States Approach for Ab initio Quantum Chemistry

要約

ニューラル ネットワーク量子状態 (NNQS) は、量子多体問題の有望な候補として浮上していますが、その実用化は、サンプリングと局所エネルギー計算のコストが高いために妨げられることがよくあります。
私たちは \textit{ab initio} 電子構造計算のための高性能 NNQS 手法を開発します。
主な革新には以下が含まれます。 (1) 量子波動関数 ansatz としてのトランスフォーマーベースのアーキテクチャ。
(2) データの局所性を維持し、さまざまなコンピューティング アーキテクチャによく適応する、変分モンテカルロ (VMC) アルゴリズムのデータ中心の並列化スキーム。
(3) サンプリングコストを削減し、良好な負荷バランスを実現する並列バッチサンプリング戦略。
（４）メモリ効率と計算効率の両方を備えた並列局所エネルギー評価方式。
(5) 実際の化学系の研究により、最先端技術と比較して本手法の優れた精度と、最大 $120$ のスピン軌道を持つ大きな分子系に対する強弱のスケーラビリティの両方が実証されました。

要約(オリジナル)

Neural network quantum state (NNQS) has emerged as a promising candidate for quantum many-body problems, but its practical applications are often hindered by the high cost of sampling and local energy calculation. We develop a high-performance NNQS method for \textit{ab initio} electronic structure calculations. The major innovations include: (1) A transformer based architecture as the quantum wave function ansatz; (2) A data-centric parallelization scheme for the variational Monte Carlo (VMC) algorithm which preserves data locality and well adapts for different computing architectures; (3) A parallel batch sampling strategy which reduces the sampling cost and achieves good load balance; (4) A parallel local energy evaluation scheme which is both memory and computationally efficient; (5) Study of real chemical systems demonstrates both the superior accuracy of our method compared to state-of-the-art and the strong and weak scalability for large molecular systems with up to $120$ spin orbitals.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google