Investigadores han desarrollado representaciones exactas y sin entrenamiento para los estados de Motzkin, tanto incoloros como coloridos, utilizando redes neuronales. Los estados de Motzkin son sistemas cuánticos unidimensionales sin frustración, conocidos por sus estructuras combinatorias resolubles y, crucialmente, por un escalado de entrelazamiento que viola la ley de área. Específicamente, los estados de Motzkin incoloros muestran una divergencia logarítmica del entrelazamiento (log N) con el tamaño del sistema N, mientras que los coloridos presentan un crecimiento sublineal supercrítico (√N). Estos comportamientos no convencionales del entrelazamiento superan la capacidad expresiva de las redes tensoriales estándar, como los estados de producto de matrices (MPS), que están limitadas por la ley de área del entrelazamiento.
El equipo construyó estas representaciones exactas utilizando cuatro arquitecturas de redes neuronales principales: recurrentes, feedforward, convolucionales y transformadoras. El diseño central incorpora un módulo de suma de prefijos causal, implementable mediante actualizaciones recurrentes, mapeos feedforward o capas de atención enmascaradas. Este módulo se combina con puertas rectificadas lineales con selección de posición para hacer cumplir las restricciones de altura de Motzkin. Para los estados coloridos, se introdujo además un módulo de pila causal dedicado que codifica explícitamente la regla de coincidencia de colores "último en entrar, primero en salir".
Estos resultados demuestran que las arquitecturas neuronales pueden capturar con precisión características de entrelazamiento altamente no triviales que son inaccesibles para las redes tensoriales convencionales. El trabajo proporciona ejemplos prototípicos para la evaluación comparativa y un marco de diseño constructivo para futuros desarrollos de estados cuánticos basados en redes neuronales, especialmente aquellos dirigidos a sistemas cuánticos fuertemente entrelazados. Esto abre nuevas vías para explorar y modelar sistemas cuánticos complejos más allá de las limitaciones de las herramientas computacionales actuales.