机构名称：
¥ 2.0
摘要 我们介绍并分析了 q 状态 Potts-Hopfield 神经网络 (NN) 的开放量子泛化，这是一种基于多层经典自旋的联想记忆模型。这个多体系统的动力学以 Lindblad 型马尔可夫主方程的形式表示，该方程允许将概率经典和相干量子过程平等地结合起来。通过采用平均场描述，我们研究了由温度引起的经典涨落和由相干自旋旋转引起的量子涨落如何影响网络检索存储的记忆模式的能力。我们构建了相应的相图，在低温状态下，该相图显示的模式检索类似于经典的 Potts-Hopfield NN。然而，当量子涨落增加时，会出现极限环相，而极限环相没有经典对应相。这表明量子效应可以相对于经典模型从质上改变稳态流形的结构，并可能允许人们编码和检索新类型的模式。
量子广义 Potts-Hopfield 神经网络的相图
主要关键词
相关文件推荐
