ニューラル量子状態のための確率的コンピューティング

この論文は、ニューラルネットワークを用いた量子多体系のシミュレーションにおける計算上のボトルネックに対処しています。スパースボルツマンマシンと確率的コンピューティングハードウェア（FPGA）を組み合わせることで、スケーリングと効率の大幅な改善を達成しています。カスタムマルチFPGAクラスターの使用と、深層ボルツマンマシンのトレーニングのための新しいデュアルサンプリングアルゴリズムが重要な貢献であり、より大きなシステムとより深い変分アーキテクチャのシミュレーションを可能にしています。この研究は、量子シミュレーションにおける従来のモンテカルロ法の限界を克服する可能性を示唆しているため、重要です。