VQNHITE：变分量子-神经网络混合虚时演化方法

研究者提出变分量子-神经网络混合虚时演化方法 VQNHITE，将神经网络与参数化量子电路结合，提升变分状态的表达能力，从而更精确地追踪虚时动力学。该方法还引入小虚时步下的初始参数优化流程，缓解神经网络参数随机初始化带来的不稳定。在 Heisenberg 自旋链上的数值模拟显示，VQNHITE 相比 VITE 能持续获得与精确 ITE 态更高的保真度。