Scaling universal Fermi network toward ground states: A diffusion-Monte-Carlo assessment

技術要約：基底状態に向けたユニバーサル・フェルミ・ネットワークのスケーリング

問題提起
相互作用する多電子系の電子シュレディンガー方程式を解くことは、物性物理学および量子化学における中心的な課題であり続けている。困難の原因は、連続系における無限次元のヒルベルト空間と、粒子交換に対してフェルミオンの波動関数が反対称である必要があるという要件にある。従来の計算手法には重大な限界が存在する。全構成間相互作用（FCI）は、システムサイズに対して階乗的にスケールし、有限の基底集合に制限される。また、打ち切り展開（結合クラスター法など）は、基底集合の不完全性と多体打ち切りの誤差の両方に苦しむ。一方、連続空間で動作する拡散モンテカルロ法（DMC）は、実数値の試行関数に基づく固定ノード近似に依存しており、ノード構造が不完全な場合には制御不能な誤差を導入する。

近年、ニューラルネットワークを用いたアプローチ（FermiNetやPauliNetなど）は、基底集合を用いずに反対称な波動関数を直接生成することで有望な成果を示しているが、最適化されたニューラル波動関数が既存のベンチマークを上回った際に、それが厳密な基底状態にどの程度近いかを評価するための、厳密かつ系統的な手法は依然として欠如している。さらに、これらのネットワークを漸近的に厳密な結果を得るためにスケーリングさせることの実現可能性についても、まだ十分に探索されていない。

手法
著者らは、フェルミ・セット（Fermi Sets）（フェルミオン波動関数に対して証明可能な普遍的ニューラルネットワーク・アーキテクチャ）と、**固定位相拡散モンテカルロ法（Fixed-Phase Diffusion Monte Carlo; FPDMC）**を組み合わせた二段階の計算フレームワークを導入する。

1. フェルミ・セット・アーキテクチャ（変分最適化）：
   波動関数は、学習可能な複素数値軌道を持つ少数の（$N_d$個の）スレーター行列式の線形結合として構成され、それらは対称的で置換不変なニューラルネットワーク（Deep SetsやTransformerなど）によって重み付けされる。アンザッツは次のように与えられる：
   $$\Psi_\theta(R) = e^{J_\theta(R)} e^{E(R)} \sum_{k=1}^{N_d} \Omega_k(R) \det[\phi^k_i(r_j)]$$
   ここで、$J_\theta$はジャクスル因子（電子間カスプを扱う）、$E(R)$はオプションのエンベロープ（閉じ込められた系における正規化を保証する）、$\Omega_k(R)$は相関を捉える対称関数である。このアーキテクチャは、連続的な反対称関数に対する普遍的近似器であることが証明されている。ネットワークは、エネルギーを最小化するために変分モンテカルロ法（VMC）を通じて最適化される。

2. 固定位相拡散モンテカルロ法（評価および精緻化）：
   最適化されたニューラル波動関数 $\Psi_\theta(R) = |\Psi_\theta(R)| e^{i\Phi_\theta(R)}$ は、虚時間FPDMC投影のための試行状態として機能する。この手法では、位相 $\Phi_\theta(R)$ が固定され、振幅は位相勾配から導かれる反発ポテンシャルを含む有効ハミルトニアンの下で進化する。

• 精度の指標： フレームワークは、エネルギーギャップ $\Delta E = E_{\text{VMC}} - E_{\text{DMC}}$ を利用する。$E_{\text{DMC}}$ は、ネットワークによって学習された特定の位相多様体に対する変分下界であるため、$\Delta E$ が消失することは、ネットワークの振幅誤差がその位相によって許容される限界まで最小化されたことを示す。
• 収束判定： ネットワーク容量が増加するにつれて $\Delta E \to 0$ となる場合、それは（学習された位相が正しいと仮定すれば）ネットワークが真の基底状態に収束したことを意味する。

主な結果
本フレームワークは、スケーラビリティと収束性を実証するために、2つの異なる系に適用された。

1. 磁場中の量子ドット：

• 系： 2次元調和トラップ内の $N=4$ 個の電子（GaAsパラメータ、磁場 $B=4$ T および $B=8$ T）。
• 知見： 基底状態は本質的に複素数であり（時間反転対称性の破れ）、複合フェルミオン状態（例：8 Tにおける $\nu=3/7$）に対応する。
• スケーリング： ネットワークパラメータの数が増加するにつれ（最大 $8.4 \times 10^4$ まで）、変分エネルギー（$E_{\text{VMC}}$）は単調に減少し、マルチ・ランダウ準位の厳密対角化（ED）のベンチマークを上回った。
• 収束： 残差ギャップ $\Delta E$ は、$\sim 561 \mu H^*$ から $\sim 25 \mu H^*$（8 T時）および $\sim 24 \mu H^*$（4 T時）へと単調に崩壊し、統計的にゼロと区別がつかない状態になった。これは、ネットワークが統計的な分解能の範囲内で厳密な基底状態を見出したことを裏付けている。

2. 二次元一様電子ガス（2D UEG）：

• 系： $r_s = 30$（ウィグナー結晶化に近い、強相関領域）における $N=16$ 個の完全スピン偏極電子。
• 知見： ネットワークは、約25,000から約50,000のパラメータへとスケールアップされた。
• スケーリング： $E_{\text{VMC}}$ と投影された $E_{\text{DMC}}$ の両方が単調に減少した。達成された最低エネルギー（$E_{\text{DMC}} \approx -0.031996$ Ha）は、最良のスレーター・ジャクスル・ベンチマークを改善した。
• 収束： 容量の増加に伴い、残差ギャップ $\Delta E$ は電子あたり $1.63 \times 10^{-5}$ から $0.57 \times 10^{-5}$ Haへと系統的に減少した。これは、振幅誤差が系統的に抑制されていることを示している。

意義および主張
本論文は、フェルミ・セットをFPDMCによる評価と組み合わせることで、電子シュレディンガー方程式の普遍的かつ漸近的に厳密なソルバーを提供すると主張している。主な意義は以下の点にある：

• ニューラルネットワークの波動関数は、ネットワーク容量が増加するにつれて変分エネルギーが収束するという、系統的にスケーリング可能であり、厳密な基底状態に接近できること。
• **固定位相DMCギャップ（$\Delta E$）**は、ニューラルネットワークがその変分自由度を使い果たし、与えられた位相多様体に対して基底状態に収束したことを証明するための、厳密かつ定量的な指標となること。
• このアーキテクチャは、従来のスレーター・ジャクスル型アンザッツでは記述不可能な（必要な複素位相の巻き込みを表現できない）複雑なノード構造（複合フェルミオン状態など）を捉えることに成功している。

著者らは、位相の誤差は $\Delta E$ によって直接は調査されないものの、ネットワークサイズに伴うギャップの単調な崩壊は、フェルミ・セットがネットワークサイズと計算リソースに制限されるのみで、多電子基底状態に対して任意の精度を達成できるという強力な証拠を提供すると結論付けている。