1951 Arbeiten
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.
Die Autoren verwenden einen Quantencomputer, um die Wechselwirkung von NV-Zentren mit Spin-Verunreinigungen zu simulieren und mittels Quantenzustandstomographie die Auswirkungen auf Kohärenz und Verschränkung in verschiedenen Kopplungsregimen zu charakterisieren.
Diese Studie quantifiziert räumliche Rauschkorrelationen in einem Silizium-Spin-Qubit-Array und zeigt, dass globale magnetische Drifts zwar die Quantenfehlerkorrektur beeinträchtigen können, die gemessenen Ladungsrausch-Korrelationen jedoch moderat und elektrisch einstellbar sind und somit keine fundamentale Barriere für fehlertolerantes Quantencomputing darstellen.
Diese Arbeit zeigt, dass das zweidimensionale Rokhsar-Kivelson-Modell eine Klasse von exakten Stabilisator-Narben, sogenannte Subgitter-Narben, enthält, die trotz eines nicht-stabilisierenden Hamiltonians eine intrinsische Stabilisatorstruktur aufweisen, die Eigenzustandsthermalisierung verletzen und effizient mittels Clifford-Schaltkreisen präpariert werden können.
Diese Arbeit entwickelt geometrische Designprinzipien für Quantenneuronale Netze, die mittels des Kriteriums der fast vollständigen lokalen Selektivität (aCLS) zeigen, dass effektives Feature-Learning trainierbare, datenabhängige geometrische Deformationen erfordert, und verlagert den Designfokus von der bloßen Zustandsreichweite auf die kontrollierbare Geometrie.
Diese Simulationstudie präsentiert eine quanteninspirierte Hamiltonian-Feature-Extraction-Methode für die ADMET-Vorhersage, die durch das Erfassen höherer Korrelationen molekularer Fingerabdrücke klassische Baselines auf 8 von 10 Benchmarks übertrifft und State-of-the-Art-Ergebnisse erzielt.
Diese Arbeit stellt einen hochparallelen FPGA-Beschleuniger zur Bildrekonstruktion für neutrale Atom-Quantencomputer vor, der die Detektionszeit durch Hardware-Software-Co-Design im Vergleich zu CPU-Lösungen um das 34,9-fache reduziert.
Diese Arbeit stellt ein ancilla-unterstütztes NISQ-Protokoll auf Transmon-Basis vor, das die Empfindlichkeit bei der Suche nach ultraleichter Dunkler Materie erhöht und die benötigte Integrationszeit durch Signalverstärkung um bis zu das Zehnfache reduziert.
Die Autoren zeigen, wie verschränkungsgestützte Codes aus beliebigen Quantencodes durch die Nutzung korrigierbarer Teilmengen für Löschfehler konstruiert werden können, wodurch erstmals EA-Codes außerhalb des Stabilisator- und Codeword-Stabilized-Frameworks realisiert werden.
Diese Studie demonstriert, dass Zeugen nicht-gaußscher Merkmale, basierend auf Erwartungswerten und Varianzen, als zertifizierbare untere Schranken für den stellaren Rang von Quantenzuständen dienen und somit eine skalierbare Zertifizierung ermöglichen.