机构名称：
¥ 2.0
识别物质的相位具有相当大的挑战性，特别是在量子理论领域，因为基态的复杂性似乎随着系统规模的增大而呈指数增长。量子多体系统表现出一系列跨越不同相位的复杂纠缠结构。尽管已经有大量研究探索了量子相变和量子纠缠之间的关系，但在它们之间建立直接、实用的联系仍然是一个关键挑战。在这项工作中，我们提出了一种新颖、高效的量子相变分类器，利用强化学习优化的变分量子电路进行解纠缠。我们证明了该方法对横向场伊辛模型 (TFIM) 和 XXZ 模型中量子相变的有效性。此外，我们观察到该算法能够学习与 TFIM 中的纠缠结构有关的 Kramers-Wannier 对偶。我们的方法不仅可以根据解缠结电路的性能识别相变，而且还具有出色的可扩展性，有助于将其应用于更大、更复杂的量子系统。这项研究揭示了通过量子多体系统中固有的纠缠结构来表征量子相。
通过单量子比特解缠学习量子相位
主要关键词
相关文件推荐
