ترجمه فارسی مقاله انتشاردهنده کوانتومی عصبی غیرمارکوفی و ​​کاربرد آن در شبیه‌سازی طیف‌های غیرخطی فوق سریع

چکیده

The accurate solution of dissipative quantum dynamics plays an important role on the simulation of open quantum systems. Here we propose a machine-learning-based universal solver for the hierarchical equations of motion, one of the most widely used approaches which takes into account non-markovian effects and nonperturbative system-environment interactions in a numerically exact manner. We develop a neural quantum propagator model by utilizing the neural network architecture, which avoids time-consuming iterations and can be used to evolve any initial quantum state for arbitrarily long times. To demonstrate the efficacy of our model, we apply it to the simulation of population dynamics and linear and two-dimensional spectra of the Fenna-Matthews-Olson complex.

چکیده به فارسی (ترجمه ماشینی)

راه حل دقیق دینامیک کوانتومی اتلاف نقش مهمی در شبیه سازی سیستم های کوانتومی باز دارد.در اینجا ما یک حل کننده جهانی مبتنی بر یادگیری ماشین را برای معادلات سلسله مراتبی حرکت پیشنهاد می کنیم ، یکی از رویکردهای پرکاربرد که اثرات غیر مارکووی و تعامل سیستم-محیط زیست غیرقانونی را به روشی دقیق در نظر می گیرد.ما با استفاده از معماری شبکه عصبی ، یک مدل مبدل کوانتومی عصبی ایجاد می کنیم ، که از تکرار وقت گیر جلوگیری می کند و می توان از آن برای تکامل هر حالت کوانتومی اولیه برای زمان های طولانی خودسرانه استفاده کرد.برای نشان دادن اثربخشی مدل خود ، ما آن را در شبیه سازی دینامیک جمعیت و طیف های خطی و دو بعدی مجتمع Fenna-Matthews-Olson اعمال می کنیم.