基于张量网络的影响鞅方法揭示大自旋链中的非马尔可夫动力学
开放量子系统动力学的经典模拟仍然面临诸多挑战,包括希尔伯特空间的指数级增长、精确捕捉耗散和退相干的需求,以及非马尔可夫体系中记忆效应带来的额外复杂性。该研究团队开发了一种高效算法,可用于模拟一维大尺度量子系统中的马尔可夫与非马尔可夫动力学。通过扩展“张量跳跃方法”——该方法将基于TDVP的张量网络演化与随机轨迹的Suzuki-Trotter分解相结合,该工作创新性地引入了时变衰减率处理机制:将正衰减率视为时间非齐次马尔可夫过程处理,而负衰减率则通过“影响鞅形式体系”来解析时间局域非马尔可夫动力学。这种资源高效的框架实现了非马尔可夫体系中开放系统动力学的可扩展模拟,如在包含100个自旋量子比特的一维横场伊辛链中的示范应用所验证。