强化学习辅助的多体激发态与实时动力学量子模拟
多费米子体系的电子激发态计算和实时量子动力学是近期量子计算最具前景的应用之一。在本工作中,该团队将此前为基态问题开发的强化学习收缩量子本征求解器(RL-CQE)推广至电子激发态和实时量子动力学领域。该方法中,深度Q网络智能体在每次迭代中自适应地选择双体算符,从而生成更紧凑的拟设,并增强对关键超参数的鲁棒性。该算法的一个关键特性是基于ACSE残差的可扩展状态表示,其维度随单粒子基增长,但与目标激发态数量无关。该团队还验证了激发态框架下无符号量子比特算符的等价性,将此前针对基态问题建立的结果进行了扩展。用于时间演化的RL-CQE方法基于恒定规模拟设,该拟设通过固定数量的酉变换表示波函数,且变换数量与模拟时间 \(t\) 无关——这一特性得益于激发态纯化系综处理中共享的酉结构。在化学体系上的基准测试表明,该方法在多种键长下能以最少算符数量达到化学精度。

