从经典神经网络视角看量子记忆与信息扰乱

熵不确定性关系是量子测量基本不确定性的普适量化指标,在量子计量学文献中被广泛讨论。量子记忆是一种与特定类型量子关联相关的现象,能够降低量子测量的基础不确定性。本研究提出了适用于时变问题的量子记忆修正概念。该团队将量子记忆的时变表述与乱时序关联函数(OTOC)进行对比分析。量子记忆作为一个严谨的数学概念,其研究需要高强度的计算工作。因此迄今为止,该现象主要仅在简单模型系统和稳态问题中被探讨。本研究表明,量子记忆同样适用于真实物理体系的研究——例如原子螺旋自旋链中的量子关联产生及时域演化过程。研究发现,相较于OTOC,量子记忆呈现出更快速的时间振荡特征且不会达到平衡态。此外,该团队训练了人工神经网络来预测OTOC和量子记忆的行为特征。结果表明,在破缺反转对称性和非互易效应方面,量子记忆比OTOC具有更高的敏感度。

作者单位: VIP可见
期刊参考: 登录可见
提交arXiv: 2026-04-28 13:58

量科快讯