Non-Markovian Noise Suppression Simplified through Channel Representation
本論文は、複雑な非マルコフ量子ダイナミクスを馴染みのあるノイズチャネルへと体系的に変換する「Choiチャネル」表現を導入しており、これにより、パウリ・トプリングルイングや確率的誤差キャンセルといった既存の誤差抑制技術を直接適応して、メモリ誘起ノイズを効果的に緩和することを可能にする。
9979 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、複雑な非マルコフ量子ダイナミクスを馴染みのあるノイズチャネルへと体系的に変換する「Choiチャネル」表現を導入しており、これにより、パウリ・トプリングルイングや確率的誤差キャンセルといった既存の誤差抑制技術を直接適応して、メモリ誘起ノイズを効果的に緩和することを可能にする。
本論文は、キャビティ内における集団的な振動強結合が、キャビティを介したエネルギー交換を通じて局所的な分子振動を共鳴的に抑制する長時間のビート現象を誘起し、それが化学反応性や反応ダイナミクスを変化させる可能性を示す解析モデルを提示するものである。
本論文は、非ガウス資源を圧縮するために必要な最小モード数を定量化し、ゲートおよびサンプリング複雑性に対する厳密な下界を提供し、さらに、厳密なガウス操作下における非ガウス性リソース理論の不可逆性を確立する、新規かつ計算可能な非ガウス性モノトーンであるシンプレクティックランクを導入する。
本論文は、導波路内の個の同一の二準位原子が、弱いコヒーレント場によって共鳴駆動され、かつ駆動波長分だけ離れている場合、透過を抑制することで、全原子の同時励起を必要とする、主に非コヒーレントな光子スーパーバンチング過程を生じさせ、それによって量子アプリケーションのためのヘラルドされた多光子状態生成を可能にすることを実証している。
本論文は、ADAPT-VQEシミュレーションにおいて化学精度を達成するために必要な量子測定のオーバーヘッドを大幅に削減することを目的として、パウリ測定結果のADAPT-VQEイテレーション間での再利用と、分散に基づくショット割り当てを適用するという2つの統合された戦略を提案し、検証するものである。
本論文は、ノイズの多い操作を繰り返し、かつ補助量子ビットを利用することで、量子ビットにおけるノイズの多い状態準備および測定(SPAM)誤差を任意に低いレベルまで効果的に抑制し、それによって計算および通信における高忠実度な量子情報タスクを可能にするプロトコルを提示する。
本論文は、波動関数を格子上で離散化し、運動量演算子に差分法を利用し、かつ摂動展開を用いることで、周期境界条件およびディリクレ境界条件の下での非相対論的および相対論的な基底状態エネルギーの変分推定を可能にすることにより、近未来のデバイス上での相対論的量子系のシミュレーションのための第一量子化フレームワークを提案するものである。
本論文は、局所的な相互作用を持つカオス的な多体量子力学の解析的に扱いやすいモデルを導入し、エネルギー拡散が系の振る舞いを支配していること、およびスペクトル形式因子が古典的なマスター方程式を通じて厳密に表現可能であり、量子カオスと一致する明確な初期時刻の増強メカニズムと普遍的な後期時刻のリニアランプを明らかにしていることを示す。
本論文は、ハイブリッド量子アニーリングを用いて現実的な都市ネットワーク上の大規模な問題を効果的に解決するために、ライデン・クラスタリングと二次無制約バイナリ最適化(QUBO)定式化を組み合わせた、都市規模の交通流最適化のためのスケーラブルでデータ駆動型のフレームワークを提示し、古典的なソルバーに匹敵する準最適な混雑緩和を実現すると同時に、従来の最短経路ベースラインを大幅に上回る成果を達成するものである。
本論文は、量子特異値変換と不正確なフレームワークを活用することで、古典的手法や他の量子的なアプローチと比較して、優れたスケーリングと最適解への収束を実現する、半正定値計画問題のための量子交互方向乗数法(QADMM)を導入するものである。