Reinforcement Learning Assisted Quantum Simulation of Many-Body Excited States and Real-Time Dynamics
Dieser Beitrag erweitert den durch Verstärkungslernen gesteuerten Quanten-Eigenwertlöser (RL-CQE), um viele-Fermionen-Elektronen-Anregungszustände und Realzeitdynamiken effizient zu berechnen, indem ein Deep Q-Network zur adaptiven Auswahl kompakter Zwei-Körper-Operatoren eingesetzt wird, wodurch chemische Genauigkeit mit skalierbaren Zustandsdarstellungen und zeitlicher Evolution mit konstanter Skalierung erreicht wird.