基于量子计算、神经网络与嵌入理论的通用函数推导
量子物理
2025-12-16 v1 计算物理
摘要
我们引入一种新方法，利用量子计算、机器学习和简化密度矩阵函数理论的交叉作用，来发挥量子计算改进离子相互作用量子粒子模拟的潜力。我们的方法聚焦于使用量子算法训练的深度神经网络获取通用函数。我们还使用由密度矩阵嵌入理论定义的片段-浴系统来加强我们的方法，通过大幅度扩展可无需额外量子资源即可应用所获得函数的哈密顿量空间。鉴于一旦获得，相同的通用函数可被重用于任何片段相互作用相同且系统中，本工作展示了一种可能在量子化学和凝聚态物理的量子计算应用中实现累积性量子优势的方法。
引用
@article{arxiv.2512.13138,
title = {A Joint Quantum Computing, Neural Network and Embedding Theory Approach for the Derivation of the Universal Functional},
author = {Martin J. Uttendorfer and Daniel Barragan-Yani and Matthias Sperl and Marc Landmann},
journal= {arXiv preprint arXiv:2512.13138},
year = {2025}
}