量子科技中心_量科网

非厄米量子系统已成为描述开放量子系统、非平衡动力学和工程量子光学材料的有力框架。然而，由于希尔伯特空间的指数级扩展以及奇异点等反常现象的出现，求解非厄米系统基态性质具有挑战性。传统方法如精确对角化的局限性也带来了额外挑战。过去十年间，神经网络虽在多体波函数近似方面展现出潜力，但其在非厄米系统的应用仍属空白。该研究团队通过循环神经网络、受限玻尔兹曼机和多层感知机，探索了不同神经网络架构对具有复频谱的宇称-时间对称一维非厄米横向场伊辛模型基态性质的研究。研究人员构建了基于神经网络的多体波函数，并在小规模系统上验证了该方法与精确对角化结果的高度一致性。针对更大规模系统，该工作证明循环神经网络的性能优于受限玻尔兹曼机和多层感知机，但后两者通过迁移学习可显著提升精度，达到与循环神经网络相当的水平。这些结果表明基于神经网络的方法——特别是对非厄米量子系统低能物理特性的精确捕捉——具有重要潜力。