AI 與世界的難題 · 量子物理與量子運算 · arXiv · 2026-10-22
變分量子-神經混合虛時間演化
原標題: Variational quantum-neural hybrid imaginary time evolution
針對 NISQ 裝置的變分虛時間演化（VITE）以參數化量子電路模擬非么正動力學，但傳統變分量子演算法因強烈依賴 ansatz 電路的選擇，而難以達到高準確度。所提出的 VQNHITE 將 VITE 與以神經網路為基礎的非么正算子結合，以增強表達能力，並在較小的虛時間步距處引入初始參數最佳化程序，使演化在隨機初始化下仍能保持穩定。在最近鄰與全對全兩種電路連接性下，針對海森堡自旋鏈的數值模擬顯示，VQNHITE 與精確 ITE 態之間的保真度一致地高於 VITE。