短轨迹足矣：基于Transformer的长时间耗散量子动力学模型
量子物理
2024-10-16 v2
摘要
在这篇通讯中，我们证明，只要已知量子系统耦合到耗散环境的短时粒子数动力学，基于具有自注意力层的Transformer架构的深度人工神经网络就能预测其长时粒子数动力学。本工作开发的Transformer神经网络模型能高效且非常准确地预测自旋-玻色子模型在不同区域（从弱系统-环境耦合到强耦合非马尔可夫区域）的长时动力学。我们的模型比循环神经网络等经典预测模型更准确，并且可与基于核岭回归的量子耗散系统动力学模拟的最先进模型相媲美。
引用
@article{arxiv.2409.11320,
title = {A short trajectory is all you need: A transformer-based model for long-time dissipative quantum dynamics},
author = {Luis E. Herrera Rodríguez and Alexei A. Kananenka},
journal= {arXiv preprint arXiv:2409.11320},
year = {2024}
}