量智信息中心_量科网

该团队提出了一种物理信息神经量子控制（PINQC）框架，用于莫尔斯分子系统中的振转光缔合。该方法将基于神经网络的激光场生成与可微量子传播相结合，使得能够直接从底层量子动力学中获得优化的激光脉冲，而无需外部训练数据。优化后的控制场有效地将初始的连续态高斯波包转移到振动基态能级，通过相干振转动力学促进了连续态到束缚态的粒子数转移。由此产生的光缔合过程同时涉及振动稳定和旋转重分布，这些现象自然源于相邻旋转通道之间的偶极诱导耦合。本工作的核心成果是将PINQC框架成功应用于扩展的振转模型，这些模型包含的旋转能级数目超过了该团队以往常规光缔合计算中所能处理的规模。尽管分子系统的复杂性增加，优化过程在数值上依然保持稳定，这表明可微优化为处理高维振转模型提供了一种有效策略。这些结果确立了PINQC框架作为分子光缔合领域一种有前景的计算工具，并将推动未来对日益复杂的振转量子控制问题的研究。