Tencent Meeting: 540-787-677, Password: 5689

Abstract:

莫尔体系中涌现出了包括维格纳晶体和分数量子霍尔态在内的奇异电子态，为探索量子多体物理提供了一个丰富的平台。然而，由于这些物态具有强关联特性，利用传统计算方法对其进行研究极具挑战性。在本次报告中，我将介绍“神经网络波函数”这一研究此类物态的有力方法，并通过一些例子展示其高精度与高计算效率的优势。最后，我将探讨近期出现的AI智能体工具如何加速神经量子态方法的发展，以及它们对未来计算研究的潜在影响。

References:

[1] Ab initio calculation of real solids via neural network ansatz, Nature Communications, 2022
[2] Deep learning sheds light on integer and fractional topological insulators, arXiv:2503.11756

About the speaker:

李向，字节跳动 Seed 部门 AI4S 方向研究员。2021 年于北京大学理论物理研究所获高能物理博士学位，同年加入字节跳动。主要从事深度学习与量子多体计算的交叉研究，发展神经网络波函数与量子蒙特卡洛方法，求解凝聚态物理与量子化学中的第一性原理问题。在真实固体、分数量子霍尔、维格纳晶体等体系上实现了高精度计算。已发表 SCI 论文十余篇，其中 PRL 2 篇、Nat. Commun. 1 篇。

Inviter: 吴泉生 特聘研究员

Contact: 魏佳 secuf_wj@iphy.ac.cn