Tensor-Network-Based Unraveling of Non-Markovian Dynamics in Large Spin Chains via the Influence Martingale Approach
本文提出了一种高效的张量网络算法,该算法通过将张量跳跃法(Tensor Jump Method)扩展至具有随时间变化的衰减率以及影响鞅(Influence Martingale)形式化理论,从而实现了对大型一维自旋链中马尔可夫及非马尔可夫开放量子动力学进行可扩展且资源高效的模拟。