L’émergence du comportement classique issu de la mécanique quantique comme celui de Planck
constant $\hbar$ approaches zero remains a fundamental challenge in physics
[1-3]. Cet article présente une nouvelle approche utilisant des réseaux de neurones profonds pour
apprendre directement la cartographie dynamique à partir des paramètres d'état quantique initiaux (pour
Paquets d'ondes gaussiennes de l'oscillateur harmonique unidimensionnel) and $\hbar$
aux paramètres de la fonction de Wigner évoluée dans le temps dans l'espace des phases [4-6]. UN
Un ensemble de données complet de fonctions de Wigner évoluant dans le temps dérivées analytiquement a été
généré, et un réseau neuronal à rétroaction profonde avec une architecture améliorée
a été formé avec succès pour cette tâche de prédiction, réaliser une formation finale
perte de ~ 0.0390. Le réseau démontre une importance significative et auparavant
capacité non réalisée à capturer avec précision la cartographie sous-jacente du Wigner
dynamique des fonctions. Cela permet une émulation directe du quantique classique
transition by predicting the evolution of phase-space distributions as $\hbar$
est systématiquement varié. Les implications de ces résultats pour fournir une
de nouvelles perspectives informatiques sur l'émergence de la classicité sont discutées,
soulignant le potentiel de cette approche d’apprentissage direct dans l’espace des phases pour
étudier les aspects fondamentaux de la mécanique quantique. Ce travail présente un
progrès significatif au-delà des efforts précédents axés sur l’apprentissage
cartographies observables [7], offrant un itinéraire direct via l'espace des phases
représentation.

Cet article explore les excursions dans le temps et leurs implications.

Télécharger PDF: