Symmetry Constraints Regularize Neural Quantum State Learning

ملخص تقني: القيود التناظرية تنظم تعلم الحالة الكمومية العصبية

بيان المشكلة
تقدم الحالات الكمومية العصبية (NQS) دالات موجية تباينية عالية التعبير، قادرة على التقاط الارتباطات متعددة الأجسام التي تستعصي على الشبكات التنسورية التقليدية. ومع ذلك، فإن هذه القدرة التعبيرية العالية تفرض تحديات تحسين شديدة. فالبنى المعقدة وعالية التعبير من نوع NQS غالبًا ما تعاني من "الهضاب القاحلة" (barren plateaus) وتدرجات استمثال سيئة التكيف. تنشأ هذه المشكلات من اتجاهات التدرج الزائدة الناتجة عن معاملات ضعيفة التحديد؛ فالمعاملات ذاتها التي تسمح للنموذج بكونه تعبيريًا غالبًا ما تعيق قدرته على التقارب بسرعة. وبينما تستخدم الطرق العددية التناظرات عبر إسقاط فضاء هيلبرت أو بناء عقوبات، يظل التأثير الهندسي المحدد لدمج التناظرات مباشرة في التوصيف التبايني — بما يتجاوز مجرد تقليل عدد المعاملات — سؤالاً مفتوحاً. وتحديداً، كيف يغير التناظر بنية مشهد التحسين، وكيف يمكن قياس هذا التأثير باستخدام مقياس ثابت تجاه تحويلات الإحداثيات وحساس تجاه الحالة المستهدفة؟

المنهجية
يقترح المؤلفون إطار عمل يدمج تناظرات الهاميلتونيان هيكلياً في نماذج NQS من عائلة بولتزمان، بدلاً من معاقبة عدم التناظر أثناء عملية التحسين.

1. تجميع التناظر عبر ربط المعاملات:
   يقوم النموذج بتوصيف حقول السعة والطور الحقيقية باستخدام توسعات مؤثرات قطرية (سلاسل Pauli-Z) فوق أساس محلي $k$. وبدلاً من تحسين جميع المعاملات بشكل مستقل، يفرض المؤلفون الثبات عبر "ربط" المعاملات المحلية على مدارات هندسية فيزيائية (مثل الترجمة، أو عمليات زمرة الفضاء، أو تناظر قلب البت العالمي). ويتحقق ذلك من خلال تحديد المعاملات المتكافئة تناظرياً ودمج فضاء التكوينات الضخم أسياً إلى فئات قيم ذاتية متوافقة مع التناظر قبل التدريب. رياضياً، يحد هذا من مسار التحسين داخل الفضاء المنعدم لمصفوفة قيود عالمية $V$، مما يؤدي فعلياً إلى استئصال اتجاهات المعاملات الزائدة وسيئة التكيف قبل بدء عملية التحسين.

2. التشخيصات الهندسية:
   لقياس هندسة التحسين الناتجة، قدم المؤلفون مقياساً هندسياً يعتمد على الجاكوبي والهيسيان لمشهد التحسين:

• مقياس فوبي-ستودي (Fubini–Study Metric): يُستخدم لقياس حجم فضاء الحالة المتاح فيزيائياً، مما يوفر مقياساً ثابتاً تجاه الإحداثيات يميز بين الحالات القابلة للتمييز فيزيائياً وبين فائض القياس (gauge redundancies).
• رتبة الانحناء الموجب ($r_+$): مقياس لعدد الاتجاهات القابلة للتمييز فيزيائياً حيث ترتفع الطاقة بشكل تربيعي حول نقطة استقرار.
• القدرة التعبيرية المفيدة الموجهة للهدف ($f_\epsilon$): تُعرف بأنها نسبة حجم فضاء فوبي-ستودي الكلي الذي يشغله الجوار المتصل بدقة $\epsilon$ للحالة الأرضية المستهدفة. يقيم هذا المقياس مدى كفاءة النموذج في تخصيص قدرته للمشكلة المستهدفة.
• مقياس نطاق الحوض المميز ($R_\epsilon$): مقياس خطي معياري الرتبة مشتق من الحجم المحلي للمنطقة "الجيدة"، مما يسمح بالمقارنة بين عرض الأحواض عبر متشعبات ذات أبعاد مختلفة.

المساهمات الرئيسية

• التنظيم الهيكلي: يثبت البحث أن دمج التناظرات مباشرة في التوصيف يعمل كمنظم هندسي. فمن خلال الدمج التحليلي لمعاملات الفضاء المتقلصة، تزيل الطريقة اتجاهات المعاملات الزائدة وتحسن تكيّف مشكلة التحسين منذ البداية.
• مقاييس هندسية جديدة: قدم المؤلفون إطاراً للتمييز بين عدد المعاملات الخام، والقدرة التباينية المتاحة فيزيائياً، وتركيز تلك القدرة بالقرب من الحلول الدقيقة. يسمح هذا بمقارنة صارمة بين النماذج المقيدة وغير المقيدة تتجاوز مجرد معايير الدقة البسيطة.
• ضغط المعاملات التحليلي: توفر الطريقة إجراءً منهجياً وقابلاً للتكرار (باستخدام مبرهنة بيرنسايد ونظرية الزمر) لتحديد عدد المعاملات المستقلة المطلوبة، مما يربط تقليل الأبعاد مباشرة بالتحيزات الجوهرية للحالة المستهدفة.

النتائج
تم تقييم النهج على نماذج سلسلة (TFIM) و (XXZ) مع شروط حدودية دورية.

• الدقة مقابل الضغط: قلل تجميع التناظر عدد المعاملات القابلة للتدريب بشكل جذري (على سبيل المثال، من 210 إلى 10–11 لمعلمة $N=20$ في نموذج TFIM مع قيود الترجمة) مع الحفاظ على دقة الحالة الأرضية ضمن حدود المعايير المسجلة. ولم تفشل النماذج المضغوطة بشكل منهجي مقارنة بالنماذج المرجعية غير المقيدة، حتى بالقرب من النقاط الحرجة.
• تسريع وقت التشغيل: في الأنظمة الكبيرة ($N=64, 128$)، ضغطت القيود المكانية القوية آلاف المعاملات إلى عشرات فقط، مما حقق تسريعاً كبيراً في وقت التشغيل (يصل إلى 30 ضعفاً لـ $N=128$) دون التضحية بالدقة.
• التنظيم الهندسي:
  • التركيز ($f_\epsilon$): شغلت المتشعبات المقيدة بالتناظر جزءاً أكبر بكثير من حجمها المتاح مقارنة بالمتشعبات غير المقيدة. وقد ازداد هذا التركيز مع زيادة حجم النظام، مما يشير إلى أن المتعلمين غير المقيدين يخصصون جزءاً متناقصاً من قدرتهم للمجال المحيط بالهدف.
  • عرض الحوض ($R_\epsilon$): احتفظت القيود القائمة على الترجمة بمقاييس حوض مميزة أكبر بكثير من النماذج غير المقيدة. يشير هذا إلى أن قيود التناظر لا تكتفي بتركيز المتشعب المتاح فحسب، بل تقلل أيضاً من الصلابة الفعلية لاتجاهات الحصر المتبقية، مما يخلق نهايات صغرى أكثر اتساعاً ومتانة.
  • التسلسل الهرمي: وفرت تناظرات الترجمة وزمرة الفضاء أقوى التحسينات في كل من التركيز العالمي وهندسة الحوض المحلي، تليها تناظرات الانعكاس وقلب البت.

الأهمية
يزعم البحث أن تجميع التناظر يفعل ما هو أكثر من مجرد تقليل حجم النموذج؛ فهو يعيد تنظيم فضاء الحالة الفيزيائية المتاح بحيث تصبح القدرة التباينية المتبقية أكثر توافقاً مع المشكلة المستهدفة. ومن خلال تركيز القوة التعبيرية لـ NQS على الحالات ذات الصلة بهاميلتونيان الهدف، تقوم هذه الطريقة بتنظيم ديناميكيات التعلم، مما يقلل من حجم النموذج وتكاليف التدريب دون التضحية بالدقة.

ويجادل المؤلفون بأن القدرة التعبيرية التباينية يجب أن تُحكم من خلال أين تقع الحالات المتاحة بالنسبة للهدف، وليس فقط من خلال عدد الحالات التي يمكن للنموذج تمثيلها. وتوفر التشخيصات الهندسية المقترحة ($f_\epsilon$ و $R_\epsilon$) طريقة منهجية لقياس هذا التوافق. يشير العمل إلى أن بناء التناظرات الفيزيائية في النموذج التبايني قبل بدء التحسين هو استراتيجية متفوقة على طرق التقليم أو العقوبات اللاحقة، مما يوفر نهجاً قابلاً للتوسع وعالي الدقة لدراسة الفيزياء متعددة الأجسام.