Probabilistic Computers for Neural Quantum States
Dit artikel toont aan dat het combineren van schaarse Boltzmann-machine-architecturen met probabilistische rekenhardware (FPGA's) de Monte Carlo-sampling-flesnek in neurale kwantumtoestanden overwint, waardoor nauwkeurige berekeningen van grondtoestandsenergie voor 2D-transvers-veld-Ising-modellen tot 6400 spins en efficiënte training van diepe modellen voor 900 spins mogelijk worden.