When does dissipation help neural surrogates learn open quantum dynamics?
Questo articolo dimostra che, sebbene la dissipazione possa migliorare la apprendibilità della dinamica quantistica aperta nei surrogati neurali sopprimendo l'accumulo di errori e consentendo previsioni ad alta fedeltà per dimensioni intermedie del sistema, essa introduce simultaneamente una sfida critica in cui l'alta fedeltà può riflettere una semplificazione delle traiettorie verso gli stati stazionari piuttosto che un genuino apprendimento dinamico, rendendo necessaria una attenta disgiunzione di tali effetti.