Output Prediction of Quantum Circuits based on Graph Neural Networks

Questo articolo propone un framework basato su Reti Neurali su Grafi (GNN) per prevedere i valori di aspettativa dell'output di circuiti quantistici rumorosi e privi di rumore, dimostrando che un approccio di confronto diretto delle prestazioni supera significativamente i metodi di confronto indiretto nella valutazione di circuiti quantistici parametrici per il calcolo dell'energia di stato fondamentale.

Yuxiang Liu, Fanxu Meng, Lu Wang, Yi Hu, Zaichen Zhang, Xutao YuTue, 10 Ma⚛️ quant-ph

Impact and mitigation of Hamiltonian characterization errors in digital-analog quantum computation

Questo studio analizza la stabilità dei protocolli di calcolo quantistico digitale-analogico rispetto agli errori di caratterizzazione dell'Hamiltoniana, fornendo limiti teorici per tali deviazioni e proponendo una strategia di mitigazione ispirata al disaccoppiamento dinamico per abilitare il loro scalaggio verso sistemi di grandi dimensioni.

Mikel Garcia-de-Andoin, Alatz Álvarez-Ahedo, Adrián Franco-Rubio, Mikel SanzTue, 10 Ma⚛️ quant-ph

Realistic quantum network simulation for experimental BBM92 key distribution

Questo studio dimostra che un simulatore quantistico di rete basato su eventi discreti può riprodurre con maggiore precisione rispetto ai modelli analitici i risultati sperimentali del protocollo di distribuzione quantistica delle chiavi BBM92 e, allo stesso tempo, prevedere con successo le prestazioni di scenari teorici non ancora realizzati sperimentalmente.

Michelle Chalupnik, Brian Doolittle, Suparna Seshadri, Eric G. Brown, Keith Kenemer, Daniel Winton, Daniel Sanchez-Rosales, Matthew Skrzypczyk, Cara Alexander, Eric Ostby, Michael CubedduTue, 10 Ma⚛️ quant-ph

Flux Trapping Characterization for Superconducting Electronics Using a Cryogenic Widefield NV-Diamond Microscope

Questo articolo presenta un microscopio magnetico a campo largo basato su diamanti NV criogenico che permette l'immagine rapida e ad alta risoluzione del intrappolamento del flusso magnetico nei dispositivi superconduttori, fornendo nuove intuizioni sulle dinamiche di espulsione dei vortici e sulle strategie di mitigazione per l'elettronica superconduttiva scalabile.

Rohan T. Kapur, Pauli Kehayias, Sergey K. Tolpygo, Adam A. Libson, George Haldeman, Collin N. Muniz, Alex Wynn, Nathaniel J. O'Connor, Neel A. Parmar, Ryan Johnson, Andrew C. Maccabe, John Cummings, Justin L. Mallek, Danielle A. Braje, Jennifer M. SchlossTue, 10 Ma⚛️ quant-ph

Optimizing Sparse SYK

Questo lavoro dimostra che esiste una separazione provabile tra algoritmi classici basati su stati gaussiani e algoritmi quantistici efficienti per l'approssimazione dello stato fondamentale del modello SYK diradato, in quanto gli stati gaussiani falliscono nel fornire approssimazioni a fattore costante per valori di sparsità pΩ(logn/n)p \geq \Omega(\log n/n), mentre l'algoritmo quantistico di Hastings-O'Donnell mantiene la sua efficacia in tale regime.

Matthew Ding, Robbie King, Bobak T. Kiani, Eric R. AnschuetzTue, 10 Ma⚛️ quant-ph

A Neural-Guided Variational Quantum Algorithm for Efficient Sign Structure Learning in Hybrid Architectures

Il paper introduce sVQNHE, un algoritmo variazionale quantistico guidato da reti neurali che separa l'apprendimento delle ampiezze (gestito classicamente) e dei segni (gestito quantisticamente) per ridurre i costi di misurazione e migliorare la convergenza nella risoluzione di problemi di ottimizzazione complessi su dispositivi quantistici attuali e futuri.

Mengzhen Ren, Yu-Cheng Chen, Yangsen Ye, Min-Hsiu Hsieh, Alice Hu, Chang-Yu HsiehTue, 10 Ma⚛️ quant-ph

Negativity Percolation in Continuous-Variable Quantum Networks

Il paper introduce la teoria della percolazione di negatività (NegPT) per le reti quantistiche a variabili continue, rivelando una nuova classe di universalità caratterizzata da una transizione di fase mista e da una vulnerabilità critica nei meccanismi di feedback che la distingue fondamentalmente dai sistemi a variabili discrete.

Yaqi Zhao, Kan He, Yongtao Zhang, Jinchuan Hou, Jianxi Gao, Shlomo Havlin, Xiangyi MengTue, 10 Ma⚛️ quant-ph

Quantum Estimation with State Symmetry-Induced Optimal Measurements

Il paper dimostra come le simmetrie degli stati quantistici forniscano un principio generale per identificare misurazioni ottimali che saturano il limite di Cramer-Rao quantistico, permettendo di raggiungere la precisione di scala di Heisenberg anche sotto vincoli di misurazioni locali e in presenza di rumore, attraverso l'uso di stati di grafo e sottospazi di codici di stabilizzatore.

Jia-Xuan Liu, Hai-Long Shi, Chunfeng Wu, Sixia YuTue, 10 Ma⚛️ quant-ph

Enhanced Rényi Entropy-Based Post-Quantum Key Agreement with Provable Security and Information-Theoretic Guarantees

Questo articolo presenta un protocollo di accordo chiavi post-quantistico avanzato basato sull'entropia di Rényi che garantisce sicurezza informazionale dimostrabile e resistenza agli attacchi quantistici senza assumere problemi computazionali difficili, ottenendo una sicurezza quantistica di 128 bit con complessità comunicativa polinomiale.

Ruopengyu Xu, Chenglian LiuTue, 10 Ma⚛️ quant-ph

Power and limitations of distributed quantum state purification

Questo studio dimostra che, sebbene la purificazione cieca di stati quantistici distribuiti tramite operazioni locali e comunicazione classica sia impossibile per insiemi specifici di stati rumorosi, è sempre realizzabile una purificazione mirata per stati singoli o insiemi finiti, offrendo sia limiti fondamentali che strategie pratiche per l'elaborazione dell'informazione quantistica.

Benchi Zhao, Yu-Ao Chen, Xuanqiang Zhao, Chengkai Zhu, Giulio Chiribella, Xin WangTue, 10 Ma⚛️ quant-ph