arXiv · quant-ph· Rafael Florencio D\'iaz, Julio Guerrero Garc\'ia, Elvira Romera Guti\'errez·· 5 小时前
量子—经典神经网络求解Lindblad主方程
Quantum-Classical Neural Networks for Solving Lindblad Master Equations
arXiv:2610.22691v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Rafael Florencio D\'iaz, Julio Guerrero Garc\'ia, Elvira Romera Guti\'errez
研究任务与主要进展
作者提出一种量子—经典神经网络变分框架，通过最小化残差代价求解Lindblad主方程，并用纯化表示保证密度矩阵的正定性、厄米性和单位迹。该框架将经典神经网络与参数化量子电路结合，精确计算参数移位梯度，同时给出模型覆盖数上界并分析表达能力、有效维度与 barren plateau 之间的关系；数值实验在代表性主方程上验证了方法精度和梯度集中预测，但摘要未说明具体模型、规模和基线。
阶段、条件与复现 · 深读核对
- 任务输出与输入访问模型是什么？
- 在什么假设、规模与资源条件下成立？
- 与哪种经典基线比较，是否计入编码与读出？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · quant-ph · arxiv.org