From acd146e06844fa79d921988255178a9677abde22 Mon Sep 17 00:00:00 2001
From: liushusen <liushusen@baidu.com>
Date: Wed, 20 May 2020 09:25:13 +0800
Subject: [PATCH] Gibbs jupyter

---
 tutorial/GIBBS.ipynb | 2 +-
 1 file changed, 1 insertion(+), 1 deletion(-)

diff --git a/tutorial/GIBBS.ipynb b/tutorial/GIBBS.ipynb
index eab1d10..783b1f8 100644
--- a/tutorial/GIBBS.ipynb
+++ b/tutorial/GIBBS.ipynb
@@ -178,7 +178,7 @@
     "- 具体的我们参考的是[4]中的方法（核心思想是利用吉布斯态达到了最小自由能的性质）。\n",
     "- 通过作用量子神经网络$U(\\theta)$在初始态上，我们可以得到输出态$\\left| {\\psi \\left( {\\bf{\\theta }} \\right)} \\right\\rangle $, 其在第2-4个量子位的态记为$\\rho_B(\\theta)$.\n",
     "- 设置训练模型中的的损失函数，在吉布斯态学习中，我们利用冯诺依曼熵函数的截断来进行自由能的估计，相应的损失函数参考[4]可以设为 \n",
-    "$loss= {L_1} + {L_2} + {L_3}$，其中 ${L_1}= tr(H\\rho_B)$, ${L_2} = 2{\\beta^{-1}}{\\mathop{Tr}}(\\rho_B^2)$ , $L_3 = - {\\beta ^{ - 1}}\\frac{{Tr(\\rho_B^3) + 3}}{2}$."
+    "$loss= {L_1} + {L_2} + {L_3}$，其中 ${L_1}= tr(H\\rho_B)$, ${L_2} = 2{\\beta^{-1}}{Tr}(\\rho_B^2)$ , $L_3 = - {\\beta ^{ - 1}}\\frac{{Tr(\\rho_B^3) + 3}}{2}$."
    ]
   },
   {
-- 
GitLab