学习子系统动力学的非马尔可夫特征

量子多体系统中局域可观测量动力学可用开放系统理论框架进行形式化描述,但难点在于表征局域子系统补集的“环境”通常无法满足该理论框架依赖的关键简化假设。该研究团队结合张量网络计算与机器学习优化工具,从全局量子淬火后的无限长量子伊辛链中,成功提取并表征了单点及双点子系统的动力学映射。研究人员考察了三种典型体系:可积临界态、可积非临界态和混沌态,针对每种情况确定了不同时刻下子系统动力学的最优时间局域表示。通过分析学习得到的含时刘维尔算符特性,该工作探索了其能否用于预测超出直接量子多体数值模拟时间尺度的局域观测量长时动力学行为。该方法天然导出了基于准精确动力学映射与最近CP可分形式距离的非马尔可夫性新度量,并揭示出临界性会导致大时间尺度下最接近马尔可夫性的动力学表示。

量科快讯