1940 Arbeiten
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.
In dieser Arbeit wird ein Ansatz vorgestellt, der Rydberg-Atom-Sensoren zur breitbandigen Erfassung von Teilentladungssignalen mit einem 1D-ResNet-Deep-Learning-Modell kombiniert, um verschiedene Entladungsarten ohne manuelle Merkmalsextraktion mit einer Genauigkeit von etwa 94 % zu identifizieren.
Diese Studie stellt zwei Korrekturschemata vor, die die Genauigkeit und Zeitfidelität gitterbasierter Simulationen von Coulomb-Systemen auf klassischen und Quantenplattformen verbessern, indem sie Diskretisierungsfehler durch modifizierte Potentialoperatoren und korrigierte Anfangswellenfunktionen kompensieren, ohne extrem feine räumliche Gitter zu benötigen.
Diese Arbeit präsentiert einen iterativen QUBO-basierten Ansatz zum Training von CNN-Klassifikatoren mittels Quantenannealing, der durch eingefrorene Faltungsfilter und ein quadratisches Surrogat gradientenbasierte Optimierung vermeidet und auf mehreren Bilddatensätzen wettbewerbsfähige Ergebnisse liefert.
Diese Arbeit zeigt im Rahmen der exakten Faktorisierung, dass nicht-adiabatische Elektron-Kern-Korrelationen eine De-Orthogonalisierung elektronischer Faktoren bewirken, wodurch dynamisch Interferenz in der Kernendichte entsteht, selbst wenn diese anfangs nicht vorhanden war.
Diese Arbeit stellt QAOA-Predictor vor, ein auf Graph Neural Networks basierendes Modell zur Vorhersage von Erfolgswahrscheinlichkeiten und minimalen Schichttiefen für LR-QAOA, um eine effiziente Fixed-Parameter-Optimierung ohne kostspielige Parameteroptimierung zu ermöglichen.
Diese Arbeit entwickelt eine analytische Quantenvollwellenlösung für den Ein- und Zweiphotonentransport durch ein supraleitendes Hohlraum-Qubit-System mit koaxialen Ports, die auf der Quanten-Ein-/Ausgangstheorie basiert und zur Validierung numerischer Modelle für Quanteninterconnects dient.
Die Autoren berichten über die erste experimentelle Beobachtung einer durch thermische Atombewegung induzierten Richtungsabhängigkeit der Superfluoreszenz in einem nicht-chiralen Wellenleiter, die durch die Steuerung der kollektiven Zerfallsrate kontrollierbar ist.
Die Autoren präsentieren QFlowNet, ein neuartiges Framework, das Generative Flow Networks mit Transformer-Architekturen kombiniert, um die Unitary-Synthese in der Quantencompilation effizient, schnell und mit einer hohen Vielfalt an Lösungen zu lösen.