Ultra-low loss piezo-optomechanical low-confinement silicon nitride platform for visible wavelength quantum photonic circuits

Diese Arbeit demonstriert eine CMOS-kompatible, piezo-optomechanische Plattform aus niedrig konfinierendem Siliziumnitrid mit ultra-niedrigen Verlusten im sichtbaren Wellenlängenbereich, die skalierbare Quantenphotonik-Schaltungen durch die Kombination von effizienter aktiver Modulation und geringer Dämpfung ermöglicht.

Mayank Mishra, Gwangho Choi, Wenhua He + 7 more2026-03-03⚛️ quant-ph

Neural quantum support vector data description for one-class classification

Die Autoren stellen NQSVDD vor, ein hybrides klassisch-quantenmechanisches Framework für die Ein-Klassen-Klassifizierung, das durch die Integration von neuronalen Netzen und variationalen Quantenschaltkreisen eine effiziente und robuste Anomalieerkennung auf Benchmark-Datasets ermöglicht und dabei die Leistung klassischer sowie rein quantenbasierter Methoden übertreffen kann.

Changjae Im, Hyeondo Oh, Daniel K. Park2026-03-03⚛️ quant-ph

Correction scheme for total energy obtained on fault-tolerant quantum computer via quantum dominant orbital selection and subspace dynamical correlation methods

Die Autoren stellen ein hybrides Quanten-Klassisch-Verfahren vor, das Quanten-dominante Orbitalauswahl und Subspace-dynamische Korrelation kombiniert, um die Gesamtenergien molekularer Systeme auf fehlertoleranten Quantencomputern präzise zu bestimmen und dabei den Aufwand für das Auslesen von Quantendaten zu minimieren.

Nobuki Inoue, Hisao Nakamura2026-03-03⚛️ quant-ph

Generation of 12 dB squeezed light from a waveguide optical parametric amplifier using a machine-learning-controlled spatial light modulator

Die Autoren demonstrieren die Erzeugung von 12,1 ± 0,2 dB gequetschtem Licht aus einem PPLN-Wellenleiter-OPA, indem sie einen maschinenlerngesteuerten räumlichen Lichtmodulator einsetzen, um die Verluste durch räumliche Modenfehlanpassung zu minimieren und damit das bisherige Limit von 10 dB zu übertreffen.

Gyeongmin Ha, Kazuki Hirota, Takahiro Kashiwazaki + 5 more2026-03-03⚛️ quant-ph

Fast and memory-efficient classical simulation of quantum machine learning via forward and backward gate fusion

Diese Arbeit stellt eine Methode zur schnellen und speichereffizienten klassischen Simulation von Quantum Machine Learning vor, die durch das Fusionieren aufeinanderfolgender Gatter in Vorwärts- und Rückwärtspfaden den Durchsatz um das 20-fache steigert und den Speicherverbrauch senkt, wodurch das Training großer Quantenmodelle auf Consumer-GPUs ermöglicht wird.

Yoshiaki Kawase2026-03-03⚛️ quant-ph