采用量子神经网络驱动的迭代Harrow-Hassidim-Lloyd算法研究少量团簇共振态
运用量子计算技术,该研究团队在微观集群模型中研究了超核Λ5He、ΛΛ6He和Λ9Be的特性。该工作将量子神经网络(QNN)与迭代Harrow-Hassidim-Lloyd算法(简称QNN-IHHL)相结合,以求解量子多体问题。为有效描述共振现象,研究人员采用复标度与特征向量延续技术,构建了量子计算框架下识别少体集群共振参数的稳健方法。为验证量子算法有效性,该团队选取Λ9Be的4+共振态作为核心案例。通过QNN-IHHL算法,研究人员实现了全量子的工作流程,为探索复杂核多体系统中的共振特性提供了创新性研究框架和基础性工作。
