1928 Arbeiten
Diese Studie stellt eine monolithische Integrationsstrategie vor, die hochspannungsspannte Si3N4-Membranen direkt über thermisch kompatiblen Bragg-Spiegeln suspendiert, um skalierbare optomechanische Resonatoren mit hoher mechanischer und optischer Qualität ohne komplexe Ausrichtung zu realisieren.
Diese Studie demonstriert die spin-mechanische Konversion, bei der der Quantenzustand eines Ensembles von NV-Zentren in einem levitierten Diamanten durch die daraus resultierende makroskopische Rotation des Partikels ausgelesen wird, was eine hochkontrastreiche Detektion und neue Perspektiven für Quantensensorik eröffnet.
Diese Arbeit stellt ein fehlertolerantes Framework für messungsbasierte holonome Quantengatter vor, das kontinuierliche Messungen mit Echtzeit-Feedback nutzt, um nicht-Markovsche Dekohärenz durch den Quanten-Zeno-Effekt zu unterdrücken und Markovsche Fehler durch eine adaptive Pfadsteuerung während der Evolution zu korrigieren.
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.
Diese Arbeit stellt ein einheitliches Rahmenwerk vor, um die Durchsatz-Treue-Trade-offs zwischen all-photoniischen und speicherbasierten Quantenschaltern zu analysieren, und zeigt, dass die optimale Architekturwahl vom spezifischen Hardware-Regime abhängt.
Diese Arbeit präsentiert einen Quantenalgorithmus auf Basis von MNRS-Quantenwalks, der für das Testen des approximativen Graphenisomorphismus eine polynomiale Beschleunigung gegenüber klassischen Verfahren in der Query-Komplexität nachweist.
Diese Arbeit überwindet die Einschränkungen von unitären t-Designs für Qudits beliebiger Dimensionen durch die Einführung gewichteter Zustandsdesigns und eines Clifford-Charakter-Randomized-Benchmarking-Verfahrens, um fundamentale Quanteninformationsprimitive wie Shadow-Tomographie und Benchmarking auf Qudit-Systeme zu erweitern.
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.
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.
Diese Arbeit untersucht die Beziehung zwischen der nicht-kommutativen Integrationsmethode zur Lösung der Schrödinger-Gleichung auf Lie-Gruppen und verallgemeinerten kohärenten Zuständen und zeigt, dass die erhaltenen Lösungen im Fall einer reellen Polarisation eine spezielle Unterklasse dieser Zustände bilden.
Diese Studie zeigt, dass spin- und enantiosensitive Observablen bei der Ein-Photonen-Ionisation chiraler Moleküle durch drei geometrische Pseudovektoren beschrieben werden können, wodurch die zehn unabhängigen Parameter von Cherepkov auf intuitive Momente reduziert werden.
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.
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.
Diese Arbeit stellt eine zusammengeführte Amplitudencodierung für Chebyshev-basierte Quanten-Kolmogorov-Arnold-Netzwerke vor, die die Anzahl der Schaltkreisausführungen durch einen minimalen Qubit-Overhead reduziert und dabei die Trainierbarkeit unter verschiedenen Simulationsbedingungen bewahrt.
Diese Studie zeigt, dass Quantenphasenübergänge in nicht-integrablen Quantenbatterien im Gegensatz zu integrablen Systemen zu einer signifikanten Steigerung der Ladeleistung führen.
Die Autoren stellen ParaQuanNet vor, ein paralleles Quantenneurales Netzwerk, das mithilfe einer parallelen Quanten-Embedding-Einheit und gegenseitig unvoreingenommener Messungen Quantengeneratorschaltungen durch Klassifizierung ihrer Ausgabedaten mit einer Genauigkeit von 99,5 % identifiziert.
Diese Arbeit stellt Q2NS vor, einen auf ns-3 basierenden, modularen Quantennetzwerksimulator, der durch die nahtlose Integration von Quanten- und klassischen Protokollen sowie flexible Zustandsdarstellungen eine effiziente und skalierbare Evaluierung von Quanteninternet-Architekturen ermöglicht.
Diese Studie präsentiert ein diskret-moduliertes CV-QKD-Protokoll mit probabilistischer Amplitudenformung über einen linearen Quantenkanal, das die Leistung des Gaussian-modulierten GG02-Protokolls annähert und dabei praktische Umsetzbarkeit sowie unbedingte Sicherheit gewährleistet.
Die Autoren stellen ein physik-informiertes neuronales Netzwerk-Framework vor, das effektive Hamiltonians für Festkörper-Quantensimulatoren direkt aus experimentellen Transportdaten mittels eines unüberwachten Autoencoders identifiziert.
Dieses Papier demonstriert die Implementierung von Quantum-Oblivious-Transfer und Quantum-Tokens auf derselben QKD-Hardware, um den Übergang zu vielseitigen Quantenkommunikationsnetzwerken zu ermöglichen.