玻色-赫鲁巴赫模型中非平衡关联的机器学习
量子气体
2025-04-24 v1
摘要
计算许多体量子系统的非平衡动力学是一个具有挑战性的问题。对于一维玻色-赫鲁巴赫模型的非平衡关联，几乎可以得到精确结果，但更高维度需要近似方法。一种 such 方法是两粒子不可约强耦合（2PISC）方法[M.R.C. Fitzpatrick和M.P. Kennett, Nucl. Phys. B 930, 1 (2018)]。使用该方法计算单粒子关联会产生与一维中精确方法以及一维和二维实验相符的相关性传播速度。然而，2PISC方法在确定关联幅值方面不够准确，尤其是在相互作用不很强的 regime 中。将单粒子关联的计算视为图像校正问题，我们训练一个神经网络（NN）来接受2PISC方法的输入，以再现精确对角化计算的输出。我们展示了NN的预测在训练区域之外的参数上改进了2PISC结果。该方法不局限于玻色-赫鲁巴赫模型，可应用于其他量子许多体系统的非平衡动力学。
引用
@article{arxiv.2409.18225,
title = {Machine Learning out of equilibrium correlations in the Bose-Hubbard model},
author = {Ali Mokhtari-Jazi and Malcolm P. Kennett},
journal= {arXiv preprint arXiv:2409.18225},
year = {2025}
}
备注
12 pages, 16 figures