Caminhos para a evolução temporal com estados quânticos de rede neural maiores

Nos últimos anos, o método de estados quânticos de rede neural tem sido investigado para estudar o estado fundamental e a evolução temporal de sistemas quânticos de muitos corpos. Aqui, expandimos a investigação e consideramos um quench quântico da fase paramagnética para a fase antiferromagnética no modelo de Ising inclinado. Usamos dois tipos de redes neurais, uma máquina de Boltzmann restrita e uma rede neural feed-forward. Mostramos que, para ambos os tipos de redes, o método de Monte Carlo variacional dependente do tempo projetado (p-tVMC) apresenta um desempenho melhor do que a abordagem não projetada. Demonstramos ainda que é possível usar K-FAC ou minSR em conjunto com p-tVMC para reduzir a complexidade computacional da abordagem de reconfiguração estocástica, permitindo assim o uso dessas técnicas para redes neurais com mais parâmetros.