量子科技中心_量科网

在相变附近，遍历性可能被打破。此时，不同的初始多体构型会演化至若干宏观可区分的固定点之一——这些固定点可通过序参量进行宏观判别。该机制为量子元胞自动机和前馈量子神经网络中的状态分类提供了理论基础。研究团队证明，即使在极高维状态空间中，这种分类能力也能通过训练数据高效习得。以一个支持二元分类的量子元胞自动机为例（其动力学与具有局域相互作用和耗散的ℤ₂对称伊辛模型密切相关），该工作具体阐释了这种学习机制。该方法可推广至二元分类之外的场景，为探索涌现多体现象与量子机器学习背景下数据处理能力解释之间的关联，提供了自然的研究框架。