Learning the closest Slater determinant
Dit artikel presenteert klassieke en kwantumalgoritmen met bewijsbare garanties voor het efficiënt leren van de dichtstbijzijnde Slater-determinant bij een willekeurige fermionische veel-deeltjes-toestand, waarbij computationele hardheidsgrenzen worden vastgesteld, een fidelity-drempel wordt geïdentificeerd voor de structuur van het optimalisatielandschap, en praktische toepassing op het Fermi-Hubbard-model wordt gedemonstreerd.