基于张量网络的非马尔可夫动态解构：影响鞅方法
量子物理
2025-10-31 v2
摘要
开放量子系统动力学的经典仿真面临 Hilbert 空间指数级增长、需准确捕捉耗散与去相干，以及非马尔可夫时域中记忆效应的额外复杂性等挑战。我们发展了一种用于模拟一维量子系统中马尔可夫与非马尔可夫动力学的高效算法。该方法扩展了张量跳跃法（Tensor Jump Method），其结合了基于 TDVP 的张量网络演化与随机轨迹的 Suzuki-Trotter 分解。我们的算法将时间依赖的衰减率纳入考虑，将正衰减率视为时变齐马尔可夫过程，而通过影响鞅正式化方法来解构时局部非马尔可夫动力学。该资源高效的框架使我们能够对由最多 100 个自旋量比特组成的一维横向场伊辛链进行开放系统动力学的可扩展仿真。
引用
@article{arxiv.2510.11200,
title = {Tensor-Network-Based Unraveling of Non-Markovian Dynamics in Large Spin Chains via the Influence Martingale Approach},
author = {Sujay Mondal and Siddhartha Dutta and Abhijit Bandyopadhyay},
journal= {arXiv preprint arXiv:2510.11200},
year = {2025}
}
备注
30 pages, 8 figures