中文

含记忆的量子演化如何以时间局域方式生成

机器学习 2020-02-19 v1 机器学习

摘要

开放量子系统动力学中两种广泛使用但不同的方法是 Nakajima-Zwanzig 与无时间卷积量子主方程。尽管二者描述具有相同强记忆效应的量子演化,前者使用时间非局域记忆核 K\mathcal{K},而后者用时间局域生成元 G\mathcal{G} 实现同样效果。此处我们表明二者由一个简单而普遍的不动点关系相连:G=K^[G]\mathcal{G} = \hat{\mathcal{K}}[\mathcal{G}]。这使人能提取两种完全不同的时间演化计算方式之间的非平凡关系,并结合其优势。我们首先讨论平稳生成元,其实现了对一大类演化既非微扰又完全正的马尔可夫近似。我们表明该生成元不等于记忆核的低频极限,而是额外在非零特征频率处‘采样’它。这澄清了现有马尔可夫近似策略中频率依赖与半群分解的微妙作用。其次,我们证明不动点方程求和了时间非局域量子主方程的时间域梯度/Moyal 展开,为记忆效应的生成提供了非微扰洞察。最后,我们表明不动点关系能从给定记忆核直接迭代数值计算平稳与瞬态生成元。对瞬态生成元,这产生非半群近似,其在每步迭代都被约束为初始与渐近均准确。

关键词

引用

@article{arxiv.2002.07233,
  title  = {On the Discrepancy between Density Estimation and Sequence Generation},
  author = {Jason Lee and Dustin Tran and Orhan Firat and Kyunghyun Cho},
  journal= {arXiv preprint arXiv:2002.07233},
  year   = {2020}
}