Neural ODE 框架从短时量子数据重建算子动力学

Jinyang Li、Satoshi Iso、Shunji Matsuura 等研究者在 arXiv 论文《Learning Quantum Operator Dynamics from Short-Time Data》v2 中提出一种 Neural ODE 框架，用物理驱动的神经网络从短时量子数据重建长时算子动力学，并解析激发谱。 方法将观测量在 Pauli 基下展开，利用局域性和对称性约束，把算子演化约化为可求解的一组系数，其动力学从测量数据中学习。基于论文摘要，作者在 IBM 超导量子处理器上采集短时数据，重建了 N=8 混合场伊辛自旋链的傅里叶谱，报告精度提升 5 倍。 以上结果来自作者报告和论文摘要，尚属论文声称阶段，未提及独立验证。

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。