Quantum-Classical Neural Networks 求解 Lindblad 主方程的变分框架

提出利用经典神经网络与参数化量子电路组合构建的变分框架，通过最小化残差成本函数求解 Lindblad 主方程，梯度通过参数偏移规则精确评估。密度矩阵通过净化在大希尔伯特空间中表示，确保正定性、厄米性和单位迹。研究推导了该组合模型覆盖数的上界，并将其与纯量子神经网络的覆盖数进行比较。 数值实验验证了该方法对代表性 Lindblad 主方程的准确性，以及关于梯度集中现象的理论预测。