用量子涨落擦除经典记忆:逆向量子退火的香农信息熵
量子退火器可通过在状态间隧穿的非局域优化过程,理想情况下消除对初始构型的记忆。该研究团队通过在三个可编程超导通量量子比特退火器上实施反向量子退火实验,以具有周期性边界条件的数千个自旋奇数反铁磁环横场伊辛模型为对象,研究了量子涨落导致的记忆丧失与保留之间的转变现象。研究人员先将自旋初始化为含单个畴壁的构型,随后通过施加横向塞曼能引入量子涨落。通过提取磁畴壁分布的香农信息熵,该工作定量表征了低横向场下的记忆保留与高横向场下的记忆丧失之间的临界转变,并观察到记忆保持行为存在明显交叉现象,其具体特征取决于硬件平台和模拟时间。该方法为探究量子涨落与记忆的相互作用建立了通用探测框架。
