108
// 项目简介
JaQMC 是一个基于 JAX 的模块化框架，专为执行神经网络量子蒙特卡洛模拟而设计。它利用深度神经网络作为变分波函数来求解电子 Schrödinger 方程，而无需依赖传统的基组。该项目通过高度可配置和可扩展的架构，支持包括分子、固体和分数量子霍尔态在内的多种量子系统。
// 技术分析
JaQMC 是一个基于 JAX 的框架，专为神经网络量子蒙特卡洛模拟而设计，能够使用深度神经网络作为变分波函数来求解电子 Schrödinger 方程。通过利用 JAX，该项目提供了自动微分、JIT 编译和多设备并行处理功能，从而在没有传统基组限制的情况下实现高精度。其模块化架构允许研究人员独立替换波函数、采样器和优化器，使其成为模拟包括分子、固体和分数量子霍尔态在内的多种量子系统的灵活工具。
// 核心亮点
01
模块化设计允许用户独立替换波函数、采样器和优化器等组件，而无需重写整个代码库。
02
基于 JAX 构建，提供自动微分、JIT 编译和原生多设备并行等高性能特性。
03
支持广泛的量子系统，包括原子、分子、固态材料和分数量子霍尔 (FQHE) 系统。
04
包含预实现的先进架构（如 FermiNet 和 PsiFormer），以及强大的优化器（如 KFAC、SR 和 Adam）。
05
提供用于运行模拟和调整超参数的命令行界面，同时保持对自定义工作流的完全程序化控制。
// 典型使用场景
01
求解原子、分子和固态系统的电子 Schrödinger 方程
02
实现用于量子模拟的先进神经网络架构，如 FermiNet 和 PsiFormer
03
利用 JAX 进行自动微分、JIT 编译和多设备并行量子计算
// 快速开始
首先，克隆存储库并使用 uv 或 pip 以及提供的配置文件安装依赖项。安装完成后，您可以直接从命令行执行模拟，例如运行 'jaqmc hydrogen-atom train' 来执行氢原子训练任务。用户可以通过 CLI 传递配置参数或查阅文档以构建自定义工作流，从而进一步自定义这些运行。