量子演化网络（QENs）学习驱动自旋寄存器中的长时间相干动力学

研究者提出量子演化网络（QENs），将物理参数和时间映射为周期性驱动三自旋寄存器的完整传播子，无需针对每次查询进行数值积分。横向驱动下，模型在256个留出配置上跨24个周期的第五百分位保真度为0.9947，该值对输入态和采样时间取最小。研究还表明，残差方向对多周期误差至关重要。