论量子混沌动力学机器学习中的线性与非线性

研究人员将量子动力学建模为时间序列预测问题，并在少量子比特 PXP 链基准上对比了非线性 Transformer 与简单线性模型 DLinear。测试显示 Transformer 在高遍历性机制下预测准确，但在接近量子多体疤痕极限时性能逐步恶化；DLinear 则在各类初始状态下均保持高精度预测。这表明复杂量子多体动力学的可观测量可通过简单的线性映射实现准确预测。