基于信息混合与分层网络架构的可扩展神经波函数

研究者提出将 MLP Mixer 作为量子多体系统的波函数拟设，利用轻量级信息混合策略兼顾长程关联捕捉能力与低计算成本。在二维量子多体系统基态表征基准测试中，该架构性能可媲美 RNN 和 Transformer 模型。进一步将该模型与 Transformer 分层结合后，在大型量子系统上的表现超越了现有 SOTA 架构。