quant-ph

Quantum circuit partition as a maze: emerging percolation transition via path finding

이 논문은 양자 회로 분할을 미로 자르기 문제로 정형화하는 새로운 프레임워크를 제안하며, 특히 CNOT의 수가 큐비트의 수와 비슷할 때 게이트를 제거하지 않고도 회로를 두 개의 CNOT 클러스터로 최적으로 나눌 수 있는지 여부를 결정하는 것이 퍼콜레이션 상전이임을 입증한다.

Quantum error correction with the toric code

Essential Unitarity for Higher-Order Quantum Computation

본 논문은 고차 양자 계산을 위한 경계 중심적 의미론적 프레임워크를 도입하며, 이는 표준적 유니타리성을 결맞음 호환적인 방식으로 일반화한 "필수적 유니타리성(essential unitarity)"을 정의함으로써 고차 인터페이스에서의 정보 보존을 보장하고 퀀텀 스위치와 같은 슈퍼맵의 결맞는 실현을 가능하게 한다.

Quantum String Interactions Revealed by Full Counting Statistics

이 논문은 전수 계수 통계(full counting statistics)가 하드코어 양자 끈 사이의 창발적이고 얽힘에 의해 제어되는 유효 퍼텐셜을 규명하기 위한 직접적인 해석적 및 수치적 경로를 제공하며, 이를 통해 이들의 내재적 비국소성이 어떻게 비자명한 상호작용을 생성하는지를 밝혀낸다는 것을 입증한다.

Better Pauli Channel Learning with Maximum Likelihood Estimation

이 논문은 최대 우도 추정(MLE)을 1D-로컬 희소 파울리-린드블라드 채널에 대해 효율적으로 평가 가능한 베이지안 네트워크로 축소함으로써, 채널 토모그래피의 정확도를 크게 향상시키고 오차 완화 오버헤드를 줄임으로써 MLE를 계산 가능한 수준으로 만들 수 있음을 입증한다.

Quantum Information Harvesting with the Parallel Quantum Flow Algorithm

본 논문은 하이브리드 양자-고전 아키텍처에서 퀀텀 플로우(QFlow) 알고리즘의 고성능 구현을 제시하며, 단 12개의 큐비트만을 사용하여 큰 활성 공간(최대 114개 오비탈)에 대해 CCSD 상관 에너지를 95% 이상 회복할 수 있음을 입증함으로써, 현실적인 다체계를 시뮬레이션하기 위한 확장 가능하고 자원 효율적인 솔루션을 제공한다.

High-Dimensional Quantum Key Distribution via full Core-mode Encoding over Deployed Multicore Fibers

이 논문은 가용 가능한 모든 코어 모드를 인코딩에 완전히 활용하여 실제적인 환경 조건 하에서 펄스당 $6.19\times 10^{-3}$ 비트라는 기록적인 비밀 키율을 달oc한, 실제 배치된 멀티코어 광섬유 네트워크 상에서의 최초의 고차원 양자 키 분배 프로토콜을 입증한다.

Derivative Informed Learning of Exchange-Correlation Functionals

이 논문은 참조 하이브리드 범함수로부터 1차 및 2차 에너지 미분값을 포함하여 총 에너지 정확도를 크게 향상시키고, 자기 일관적 장(self-consistent field) 수렴을 가속화하며, TDDFT에서의 들뜬 상태 예측을 개선하는 머신러닝 기반 교환-상관 범함수 학습 전략인 미분 정보 기반 XC-손실(DI-Loss)을 소개한다.

Quantum simulations of ultrafast optical spectroscopy of semiconductors on digital quantum computers in the semi-classical approximation

이 논문은 반도체의 초고속 광분광학을 위한 디지털 양자 시뮬레이션 프레임워크를 제시하며, 이는 노이즈가 없는 극한 상태에서 고전적 벤치마크와 정량적 일치를 달야하는 동시에 NISQ 시대 하드웨어의 노이즈가 어떻게 스펙트럼 확대로 나타나는지를 입증함으로써 다체계 영역에서의 미래 양자 우위를 위한 확장 가능한 모델로서 기능한다.

Multi-entropy in random tensor networks

이 논문은 무작위 텐서 네트워크에서의 레니 다중 엔트로피(Rényi multi-entropies)를 조사하며, $n=2$인 경우 이 양들이 최소 다중 경로 컷(minimal multiway cuts)에 의해 결정됨을 증명하는 동시에, 이러한 최소 컷 추측이 정수 $n>2$에 대해서는 일반적으로 실패함을 입증한다.