用于求解Gross-Pitaevskii方程的量子张量列车方法
该研究团队提出了一种受量子启发的求解器,用于处理量子张量链(QTT)表示中的一维Gross-Pitaevskii方程。该方法通过在低秩张量流形中完全演化系统,规避了限制传统有限差分和频谱方案的内存与运行时障碍。研究人员开发了两种互补算法:一种是将凝聚态驱动至其变分基态的虚时投影器,另一种是针对实时动力学进行秩自适应四阶Runge-Kutta积分器。该框架能在不脱离压缩表示的情况下捕捉广泛的物理场景——包括势垒约束凝聚态、准随机势、长程偶极相互作用以及多组分旋量动力学。相较于标准离散化方法,QTT方法在保持定量精度的同时实现了计算资源的指数级缩减,从而扩展了经典硬件上Gross-Pitaevskii模拟的可行范围。这些成果将张量网络定位为非线性薛定谔型偏微分方程数值处理中高性能经典计算与未来量子硬件之间的实用桥梁。
