We study the energy and the static spin structure factor of the ground state of the spin-$1/2$ quantum Heisenberg antiferromagnetic model on the kagome lattice. By the iterative application of a few Lanczos steps on accurate projected fermionic wave functions and the Green's function Monte Carlo technique, we find that a gapless (algebraic) $U(1)$ Dirac spin liquid is competitive with previously proposed gapped (topological) ${\mathbb{Z}}_{2}$ spin liquids. By performing a finite-size extrapolation of the ground-state energy, we obtain an energy per site $E/J=\ensuremath{-}0.4365(2)$, which is equal, within three error bars, to the estimates given by the density-matrix renormalization group (DMRG). Our estimate is obtained for a translationally invariant system, and, therefore, does not suffer from boundary effects, like in DMRG. Moreover, on finite toric clusters at the pure variational level, our energies are lower compared to those from DMRG calculations.

Numerical results for ground-state and excited-state properties (energies, double occupancies, and Matsubara-axis self-energies) of the single-orbital Hubbard model on a two-dimensional square lattice are presented, in order to provide an assessment of our ability to compute accurate results in the thermodynamic limit. Many methods are employed, including auxiliary-field quantum Monte Carlo, bare and bold-line diagrammatic Monte Carlo, method of dual fermions, density matrix embedding theory, density matrix renormalization group, dynamical cluster approximation, diffusion Monte Carlo within a fixed-node approximation, unrestricted coupled cluster theory, and multireference projected Hartree-Fock methods. Comparison of results obtained by different methods allows for the identification of uncertainties and systematic errors. The importance of extrapolation to converged thermodynamic-limit values is emphasized. Cases where agreement between different methods is obtained establish benchmark results that may be useful in the validation of new approaches and the improvement of existing methods.10 MoreReceived 9 May 2015DOI:https://doi.org/10.1103/PhysRevX.5.041041This article is available under the terms of the Creative Commons Attribution 3.0 License. Further distribution of this work must maintain attribution to the author(s) and the published article’s title, journal citation, and DOI.Published by the American Physical Society

We investigate the spin-$\frac{1}{2}$ Heisenberg model on the triangular lattice in the presence of nearest-neighbor $J_1$ and next-nearest-neighbor $J_2$ antiferromagnetic couplings. Motivated by recent findings from density-matrix renormalization group (DMRG) claiming the existence of a gapped spin liquid with signatures of spontaneously broken lattice point group symmetry [Zhu and White, Phys. Rev. B 92, 041105 (2015); Hu, Gong, Zhu, and Sheng, Phys. Rev. B 92, 140403 (2015)], we employ the variational Monte Carlo (VMC) approach to analyze the model from an alternative perspective that considers both magnetically ordered and paramagnetic trial states. We find a quantum paramagnet in the regime $0.08\lesssim J_2/J_1\lesssim 0.16$, framed by $120^{\circ}$ coplanar (stripe collinear) antiferromagnetic order for smaller (larger) $J_2/J_1$. By considering the optimization of spin-liquid wave functions of a different gauge group and lattice point group content as derived from Abrikosov mean-field theory, we obtain the gapless $U(1)$ Dirac spin liquid as the energetically most preferable state in comparison to all symmetric or nematic gapped $\mathbb{Z}_{2}$ spin liquids so far advocated by DMRG. Moreover, by the application of few Lanczos iterations, we find the energy to be the same as the DMRG result within error-bars. To further resolve the intriguing disagreement between VMC and DMRG, we complement our methodological approach by the pseudofermion functional renormalization group (PFFRG) to compare the spin structure factors for the paramagnetic regime calculated by VMC, DMRG, and PFFRG. This model promises to be an ideal test-bed for future numerical refinements in tracking the long-range correlations in frustrated magnets.

Abstract Neural-network architectures have been increasingly used to represent quantum many-body wave functions. These networks require a large number of variational parameters and are challenging to optimize using traditional methods, as gradient descent. Stochastic reconfiguration (SR) has been effective with a limited number of parameters, but becomes impractical beyond a few thousand parameters. Here, we leverage a simple linear algebra identity to show that SR can be employed even in the deep learning scenario. We demonstrate the effectiveness of our method by optimizing a Deep Transformer architecture with 3 × 10 5 parameters, achieving state-of-the-art ground-state energy in the J 1 – J 2 Heisenberg model at J 2 / J 1 = 0.5 on the 10 × 10 square lattice, a challenging benchmark in highly-frustrated magnetism. This work marks a significant step forward in the scalability and efficiency of SR for neural-network quantum states, making them a promising method to investigate unknown quantum phases of matter, where other methods struggle.