使用图神经网络探测监控量子电路中纠缠的时空结构

量子众多体系统中的全局纠缠是本质上非局域的，这引出了一个问题：是否可以仅从局部观察推断其存在。我们在监控量子电路中研究了这一问题，其中投影测量在时空中分布出经典记录。使用图神经网络（GNNs），我们将单个量子轨迹表示为定向时空图，并从局部测量数据alone重建链式纠缠熵。由于信息通过网络的局部消息传递方式传播，体系结构直接控制了可以聚合相关性的时空区域。通过系统地变化可访问尺度——通过网络深度和层次化时空粗化——我们探讨了重建全局纠缠所需的测量信息。我们发现，随着可访问时空区域的扩大，预测准确度不断提高；当以有效时空尺度（结合深度和粗化）表达时，来自不同体系结构的结果发生崩溃。这些结果表明，重建全局纠缠所需的信息在时空尺度上是有组织的，并且图基于学习的体系结构提供了一种受控的操作框架，用于探讨全局量子关联如何从局部测量数据中涌现。