通过非平衡量子态中局部关联学习非局域熵的普适方法
计算机视觉与模式识别
2026-03-02 v2 人工智能
摘要
表征量子态的非局域性质是大规模量子计算和模拟的核心挑战。量子互信息（QMI），作为一种基本的非局域度量，在量化纠缠和研究大量局域化及热化等非平衡量子许多体现象方面日益重要。然而，QMI的实验测量尤其是对于非平衡态仍然极其困难，因为非平衡态比基态更为复杂。本文中，我们采用多层感知机（MLP）在一维无序XXZ模型通过激励产生的非平衡态中，建立QMI与仅高阶局部关联之间的普适映射。我们的做法提供了一种实验上可提取QMI的方法，易于在超导量子比特等平台实现。此外，本工作将为重建其他非局域可观测量（包括Fisher信息和时序相关性）提供一个通用框架。
引用
@article{arxiv.2511.18326,
title = {General vs Domain-Specific CNNs: Understanding Pretraining Effects on Brain MRI Tumor Classification},
author = {Helia Abedini and Saba Rahimi and Reza Vaziri},
journal= {arXiv preprint arXiv:2511.18326},
year = {2026}
}