TorchQC——高效集成机器学习与深度学习于量子动力学与控制的框架
量子物理
2025-01-31 v2
摘要
近年来，机器学习正 revolutionize我们的世界，日益被用于物理学中的多个领域，包括量子动力学和控制。有需要将机器学习模型与量子模拟方法结合起来的框架，这在量子控制领域尤为迫切，旨在高效实现现代量子技术。现有的量子系统仿真框架，如QuTip和QuantumOptics.jl，虽然在模拟量子动力学方面非常成功，但难以融入用于开发机器学习模型的平台，例如PyTorch。TorchQC框架由此提出，旨在填补这一空白。它是一个完全用Python编写的新型库，基于PyTorch深度学习库。PyTorch及其他深度学习框架基于张量，这种结构在量子力学中也被使用。这就是TorchQC所利用的共同基础，用于结合量子物理仿真和深度学习模型。TorchQC利用PyTorch及其张量机制将量子态和算子表示为张量，同时包含模拟量子系统动力学所需的全部工具。所有必要操作均在PyTorch库内部完成，因此TorchQC程序可在GPU上执行，显著减少仿真时间。我们认为，提出的TorchQC库有望加速直接集成量子仿真的深度学习模型的开发，促进这些强大技术在现代量子技术中的更易集成。
引用
@article{arxiv.2412.14591,
title = {TorchQC -- A framework for efficiently integrating machine and deep learning methods in quantum dynamics and control},
author = {Dimitris Koutromanos and Dionisis Stefanatos and Emmanuel Paspalakis},
journal= {arXiv preprint arXiv:2412.14591},
year = {2025}
}