强化学习辅助的多体激发态与实时动力学的量子模拟
量子物理
2026-05-19 v1 化学物理
摘要
多费米子系统的电子激发态计算和实时量子动力学是近期量子计算中最具前景的应用之一。在这项工作中，我们将先前为基态问题开发的强化学习收缩量子本征求解器 (RL-CQE) 推广至电子激发态和实时量子动力学，其中深度 Q 网络智能体在每次迭代中自适应地选择两体算子，从而产生更紧凑的拟设，并提高了对关键超参数的鲁棒性。该算法的一个关键特征是基于 ACSE 残差的可扩展状态表示，其维度随单粒子基增长，但与目标激发态的数量无关。我们还验证了激发态设定下无符号量子比特算子的等价性，扩展了先前为基态问题确立的结果。我们的用于时间演化的 RL-CQE 源自一个常数标度拟设，该拟设以固定数量的酉变换表示波函数，且独立于模拟时间 ，这是由激发态的纯化系综处理所共享的酉结构所实现的。在化学系统上的基准测试表明，在一系列键长范围内，以最少的算子计数实现了化学精度。
引用
@article{arxiv.2605.18569,
title = {Reinforcement Learning Assisted Quantum Simulation of Many-Body Excited States and Real-Time Dynamics},
author = {Jiaji Zhang and Lipeng Chen and Carlos L. Benavides-Riveros},
journal= {arXiv preprint arXiv:2605.18569},
year = {2026}
}