Die Entstehung des klassischen Verhaltens aus der Quantenmechanik als Plancks
constant $\hbar$ approaches zero remains a fundamental challenge in physics
[1-3]. In diesem Artikel wird ein neuartiger Ansatz vorgestellt, der tiefe neuronale Netze nutzt
Lernen Sie die dynamische Abbildung direkt aus den anfänglichen Quantenzustandsparametern (für
Gaußsche Wellenpakete des eindimensionalen harmonischen Oszillators) and $\hbar$
zu den Parametern der zeitlich entwickelten Wigner-Funktion im Phasenraum [4-6]. A
umfassender Datensatz analytisch abgeleiteter zeitlich entwickelter Wigner-Funktionen war
generiert, und ein Deep-Feedforward-Neuronales Netzwerk mit einer verbesserten Architektur
wurde erfolgreich für diese Vorhersageaufgabe trainiert, eine Abschlussausbildung zu erreichen
Verlust von ~ 0.0390. Das Netzwerk zeigt eine bedeutende und frühere
unerreichte Fähigkeit, die zugrunde liegende Kartierung des Wigner genau zu erfassen
Funktionsdynamik. Dies ermöglicht eine direkte Nachbildung der Quantenklassik
transition by predicting the evolution of phase-space distributions as $\hbar$
wird systematisch variiert. Die Implikationen dieser Ergebnisse für die Bereitstellung von a
Neue rechnerische Linsen zur Entstehung der Klassizität werden diskutiert,
Hervorhebung des Potenzials dieses direkten Phasenraum-Lernansatzes für
Studium grundlegender Aspekte der Quantenmechanik. Diese Arbeit präsentiert a
bedeutender Fortschritt gegenüber früheren Bemühungen, die sich auf das Lernen konzentrierten
beobachtbare Abbildungen [7], bietet einen direkten Weg über den Phasenraum
Darstellung.

Dieser Artikel untersucht Zeitreisen und deren Auswirkungen.

PDF herunterladen: