作为开放量子系统的 Schwinger 模型的实时动力学：基于神经密度算符的研究

由于密度矩阵空间维度巨大，对夸克 - 胶子等离子体中传播的多个重夸克进行从头模拟在计算上十分困难。本工作开发了机器学习算法以克服这一困难，即利用神经网络参数化（特别是神经密度算符）来近似精确量子态。作为在类 QCD 理论中的原理性验证演示，该方法被应用于求解 1+1 维晶格 Schwinger 模型中作为开放量子系统的 Lindblad 主方程。神经密度算符使得在大晶格体积上研究介质内动力学成为可能，从而可以研究多弦相互作用及其对弦断裂和重组现象的影响。通过变分构建 Lindblad 主方程的稳态，这些方法也可用于探测系统在平衡态下的热力学性质。本研究探讨了该方法随系统规模的缩放特性，并在多达 32 个空间晶格点和多达 3 个相互作用弦的情况下进行了数值演示。