ANTN: Bridging Autoregressive Neural Networks and Tensor Networks for Quantum Many-Body Simulation

我们采用以下六个分类标准：
 

1. 研究领域：

   • 量子多体物理学： 这是本文的中心焦点，因为它引入了ANTN来模拟具有许多相互作用粒子的量子系统。(Girvin & Yang, 2019)等参考文献对这一领域进行了广泛的概述。
   • 量子计算： 虽然不是主要焦点，但本文提到了量子多体模拟与量子计算的相关性(Preskill, 2021)。
   • 机器学习/人工智能： 本文大量利用机器学习技术，特别是神经网络，来加强量子模拟。(Carleo & Troyer, 2017)等参考文献探讨了机器学习和量子物理的交叉点。
   • 量子化学： 本文没有专门深入研究量子化学，但正如(Barrett et al., 2022)所建议，这些方法有可能应用于这一领域。

2. 方法论：

   • 张量网络（TN）： 本文以张量网络，特别是矩阵乘积态（MPS），作为ANTN架构的基础。 (Vidal, 2003, 2004)等参考文献是关于MPS的开创性著作。
   • 神经网络（NN）： 本文将自回归神经网络（ARNN）与张量网络相结合。 (Sharir et al., 2020; Hibat-Allah et al., 2020; Luo et al., 2021b)等参考文献