通过相互作用网络中的概率流特征区分热力学与量子退火

模拟退火为组合优化问题提供了一种启发式解决方案。问题的代价函数映射到物理多体系统的能量函数，通过利用热力学或量子涨落，系统在状态空间中探索以找到对应问题最优解的基态。已有研究既强调了热力学与量子涨落的相似性，也指出了其差异。然而，热力学与量子退火之间的根本性理解仍不完整，使人难以确定量子退火为何在特定问题实例中优于热力学退火。本文我们通过检查至多七个自旋的 $\pm j$ Ising 系统中所有可能的相互作用网络，来探讨热力学与量子退火的多体动力学。我们的全面调查揭示，热力学与量子退火的差异在特定相互作用网络中显现，表明能量景观的结构区分了这两种动力学。我们通过状态空间中的概率流识别了这些差异的微观来源，发现两种动力学在整体上相似，但量子隧穿产生了质态上的差异。我们的结果提供了关于热力学与量子涨落如何引导系统向基态进行模拟退火的见解，这些结果可在原子、分子和光学系统中得到实验验证。此外，这些见解可能改进将优化问题映射到 Ising 自旋系统的方式，为更快的模拟退火和从而惠及工业实际应用中获得更准确的解决方案。我们全面调查的相互作用网络和概率流的可视化有助于理解、预测和控制量子优势。