Shortest-path percolation and structural robustness of quantum internet networks
本論文は、空間量子インターネットネットワークにおける最短経路パーコレーションを調査することで、平均次数が増加することによりどのように構造的堅牢性が向上するかを実証し、かつ、制限のないパーコレーションのダイナミクスを効果的に模倣する計算効率の高い有限パス長境界を特定するものである。
11544 件の論文
量子物理学の不思議な世界は、日常の直感とは全く異なる法則で動いています。ここでは、粒子が同時に複数の場所に存在したり、遠く離れた粒子が瞬時に互いに影響し合ったりする、私たちの理解を覆す現象が研究されています。Gist.Science では、arXiv から公開される最新の量子物理に関するプレプリントをすべて網羅し、専門的な数式や難解な用語を噛み砕いた平易な解説と、技術的な詳細を深く掘り下げた要約の両方を提供しています。
これにより、専門家だけでなく、この魅力的な分野に興味を持つ誰もが、最先端の知見をすばやく把握できるようになります。以下に、arXiv から収集した量子物理学の分野における最新の論文リストを掲載します。
本論文は、空間量子インターネットネットワークにおける最短経路パーコレーションを調査することで、平均次数が増加することによりどのように構造的堅牢性が向上するかを実証し、かつ、制限のないパーコレーションのダイナミクスを効果的に模倣する計算効率の高い有限パス長境界を特定するものである。
本論文は、測定装置が部分的にしか信頼されていない不信的なもつれベースの量子鍵配送フレームワークを提案し、現在の技術において、量子ビットベースのBB84プロトコルが安全であるためには82%を超えるデバイスの信頼性を必要とすることを明らかにする一般的な漸近的鍵生成レートの境界を導出し、同時に、高次元システムが同様の条件下で優れた堅牢性と鍵生成レートを提供することを実証するものである。
本論文は、疎な識別による多項式低次元モデルをウォルシュ合成されたクープマン・フォン・ノイマン輸送と結合させた非線形保持型量子シミュレーション・フレームワークを提案し、リファレンス回路を通じてノイズを軽減しながら、約56万個の物理量子ビットを用いて、円柱後流のような初期の耐故障性流体流を数時間以内にシミュレートすることの実現可能性を示すものである。
ニューラル量子状態を用いることで、本研究は、ランダウ準位充填率 における磁性モアレ系が、量子化されたホール応答と電荷秩序状態が共存する調整可能なトポロジカル分子レジームを宿しており、相互作用の強さが増加するにつれてウィグナー分子結晶からネール電荷密度波へと遷移することを明らかにしている。
本論文は、バラスブラマニアン・ダヴィドヴァ・リン(BDL)型の三次元スタビライザー・ハミルトニアンのわずかな変種が、非ゼロ温度における熱的安定性と、任意の微小な量子摂動に対する零温度での安定性を維持することにより、摂動・温度の位相図の境界軸に沿った安定性を確立し、堅牢な受動的量子メモリを実現することを実証するものである。
本論文は、可変SQUIDを介して共通の損失性補助モードに結合された2つの共振器が、集団的減衰と相関ノイズによって制御可能な過渡的同期および量子もつれを示す、超伝導回路アーキテクチャを提案するものであり、そのダイナミクスは例外点(exceptional points)とスクイージング閾値によって解析的に特徴付けられる。
QCapは、高速な物理ベースの事前知識を補正することで、任意の平面超伝導デバイスレイアウトに対する容量行列を迅速かつ正確に予測する物理補正グラフニューラルネットワークであり、従来の電磁界シミュレーションによる計算負荷を課すことなく大規模な回路設計を可能にする。
本論文は、波長選択的な一方向鏡と不可逆的なコンバータを備えた3次元ボックスによって実現される光学的マクスウェルの悪魔を提案しており、これにより、太陽エネルギー変換効率が熱力学的なランズバーグ限界である93.3%に接近することを理論的に可能にしている。
本論文は、Ganeshan-Pixley-Das Sarmaモデルを拡張することで、厳密なリアプノフ指数と新たな選択則によって制御される、二つの異なるエネルギー依存的な局在チャネル間の競合がいかにして複雑な移動端を生成し、その物理的起源を明らかにするかを示すことにより、非エルミート準結晶のための統一的な枠組みを確立するものである。
本論文は、参照回路の単一のキャリブレーションを再利用して観測量および微分に対する正則化された推定量を構築することにより、毎ステップの再キャリブレーションを必要とすることなく収束性と性能を向上させ、ハードウェアノイズ下における量子ニューラルネットワークの学習性を高める、構造保存型の誤差緩和フレームワークを導入するものである。