RL-Trotter：利用近似误差进行强化学习以实现长时间量子模拟

研究提出RL-Trotter强化学习框架，将近似量子模拟误差用于纠错，并在长时间演化中自适应调节下一个Trotter步长。基于论文摘要，该方法利用能量和能量方差等守恒量作为学习信号，无需访问目标波函数即可学习具有后续纠错效应的演化序列；作者还报告了其对测量噪声的鲁棒性、对相似初态的泛化以及从小规模可经典模拟系统到规模大一个数量级系统的迁移。