信息来源： 中国人民大学数学学院 发布时间：2026年4月1日

这不是一场枯燥的学术报告，而是一次关于微观世界的“破壁”聚会，准备好你的好奇心与批判性思维，我们不见不散。

01

“π对”主题

神经网络求解量子态研究

02

“π对”时间

2026.04.03 10:00

03

“π对”地点

人大数院4106

“π对”摘要

理解强关联电子系统中的高温超导电性是当代凝聚态物理学的核心挑战之一，而二维Hubbard模型被认为是描述这一现象的最简模型。然而，由于电子间复杂的量子纠缠，精确求解该模型一直是计算物理的难点。近年来，基于神经网络的量子态（Neural Quantum States, NQS）为这一难题提供了全新的解决方案。

本报告将介绍我们近期利用前沿的Transformer神经网络架构求解掺杂二维Hubbard模型的研究工作。我们开发了高效的变分蒙特卡洛优化算法，成功在考虑次近邻跳跃的Hubbard模型基态中获得了当前最优越（state-of-the-art）的计算结果。有趣的是，我们发现模型中的“注意力头”能够自发地学习电子间不同距离的关联，从而精确捕捉了系统的长程纠缠特性。更重要的是，我们的模拟结果复现了在铜氧化物超导体中观察到的“半填充条纹”相，这一发现不仅验证了Hubbard模型作为高温超导有效模型的正确性，也证明了神经网络量子态在处理强关联材料方面的巨大潜力。

本报告旨在展示人工智能，特别是大语言模型背后的核心技术，如何作为一种强大的“量子显微镜”，帮助我们窥见复杂量子世界的奥秘，并为未来设计新型超导材料提供了理论工具。

关于嘉宾

吕定顺博士，量坤科技（Field Quantum Technology）创始人兼CEO，清华大学交叉信息研究院博士。他曾任字节跳动AI Lab研究科学家及团队负责人，并在华为等顶尖科技巨头拥有多年深厚的研发与管理经验，是一位深耕于量子计算，计算化学及AI for Science (AI4S) 领域的领军型专家。

作为行业拓荒者，吕博士致力于通过“量子+AI”的异构智能计算架构，解决特定材料及药物研发等领域的“卡脖子”技术难题。他倡导以Agent为核心的智能化科研范式，主导了多项前沿材料的优化研究。凭借卓越的学术背景与商业洞察，他正带领团队在量子智能领域构建全球领先的研发体系，驱动基础科学与工业应用的深度融合。