跳到正文
热点事件持续更新

混合量子经典神经网络求解Lindblad主方程

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

2026年10月19日，研究人员在arXiv发布论文，提出一种变分框架，用于求解Lindblad主方程。 该框架将经典神经网络与参数化量子电路组合，通过最小化残差成本函数进行优化，梯度采用参数偏移规则精确计算。密度矩阵通过净化方法在大希尔伯特空间中表示，以确保其正定性、厄米性和单位迹。 研究还推导了该混合模型覆盖数的上界，并与纯量子神经网络进行了比较。数值实验验证了该方法在求解代表性Lindblad主方程时的准确性，并证实了关于梯度集中现象的理论预测。

AI 根据报道生成 · 5 小时前更新

最新进展10月19日 12:00
Quantum-Classical Neural Networks 求解 Lindblad 主方程的变分框架

报道时间线

沿着报道，了解事件的不同侧面。

10月19日
  1. arXiv · ML
    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。

本事件热度走势

可比范围当前
8
可比范围峰值
910月19日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。