研究者提出变分量子-神经混合虚时演化方法

Hiroki Kuji 等作者提出变分量子-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，以提升变分状态的表达能力，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，以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。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。