RL-Trotter：用强化学习自适应调节Trotter步长实现长时量子模拟

Yu-Bo Shi、Markus Heyl、Roderich Moessner、Marin Bukov、Hongzheng Zhao 等在 arXiv 更新 RL-Trotter 论文（v3）。该方法用强化学习把近似量子模拟中不可避免的 Trotter 误差当作纠错资源而非待消除的缺陷，让智能体自适应调节下一个 Trotter 步长，以实现长时间演化。 基于论文摘要：框架以能量和能量方差等守恒量提供的低维信息作为学习信号，智能体只调节一个标量（下一步长），无需访问目标波函数。作者报告该方法对测量噪声鲁棒、可泛化到未见过的相似初态，并能从小规模可经典模拟系统迁移到规模大一个数量级的系统，支持经典预训练后在量子硬件上直接部署或少量微调的实用方案。 以上为作者声称的模拟结果，尚无独立验证报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。