非马尔可夫量子态扩散的神经网络求解与量子随机过程的算子构建
量子物理
2025-09-03 v1 化学物理
摘要
非马尔可夫量子态扩散为开放量子系统建模提供了一个基于波函数的框架。在这项工作中，我们引入了一种基于算子构建算法的新型机器学习方法。该算法采用神经网络作为通用生成器，从量子轨迹系综中重建随机时间演化算子。与仅近似时间相关波函数或期望值的传统机器学习方法不同，我们基于算子的方法具有更广泛的应用性，并增强了对随机过程的可解释性。我们在不同谱密度下的自旋-玻色子模型上对该算法进行了基准测试，证明了其准确性。此外，我们展示了该算子在计算吸收光谱和重建扩展时间尺度上的约化密度矩阵方面的实用性。这些结果为机器学习在量子动力学中的应用建立了一个新范式。
引用
@article{arxiv.2509.01049,
title = {Neural Network Solution of Non-Markovian Quantum State Diffusion and Operator Construction of Quantum Stochastic Process},
author = {Jiaji Zhang and Carlos L. Benavides-Riveros and Lipeng Chen},
journal= {arXiv preprint arXiv:2509.01049},
year = {2025}
}