1944 papers
Dit onderzoek presenteert een quantumalgoritme voor het testen van benaderende graf-isomorfie dat via quantum walks een query-complexiteit van bereikt, waarmee een polynomiële snelheidswinst wordt gevestigd ten opzichte van klassieke methoden.
Dit artikel presenteert een drieledige bijdrage om de beperkingen van standaard unitaire t-ontwerpen voor qudits in willekeurige dimensies te overwinnen, door het introduceren van gewogen staten-ontwerpen, een Clifford-karakter randomized benchmarking-scheme en het analyseren van circuitcomplexiteit.
Deze studie introduceert Neural Quantum Support Vector Data Description (NQSVDD), een hybride klassiek-kwantum framework voor een-klasse classificatie dat neurale netwerken en variational quantum circuits combineert om superieure prestaties en parameter-efficiëntie te bereiken op ruisgevoelige kwantumhardware vergeleken met bestaande methoden.
In dit artikel wordt een hybride quantum-klassieke correctiemethode voorgesteld die quantum dominant orbital selection en subspace dynamical correlation combineert om moleculaire energieën nauwkeurig en efficiënt te berekenen op fouttolerante quantum computers zonder de noodzaak voor massieve data-uitlezing.
Dit artikel onderzoekt de relatie tussen de via de niet-commutatieve integratiemethode verkregen oplossingen van de Schrödingervergelijking op Lie-groepen en gegeneraliseerde coherente toestanden, en toont aan dat deze oplossingen tot deze klasse behoren wanneer de bijbehorende λ-representatie reëel is.
Deze studie herbeoordeelt de voorspellingen van Cherepkov over spin-opgeloste één-foton ionisatie van chiraal moleculen en toont aan dat tien onafhankelijke parameters kunnen worden gereduceerd tot drie pseudovektoren die de fundamentele geometrische mechanismen achter spin- en enantiogevoelige observabelen beschrijven.
In deze paper wordt 12,1 ± 0,2 dB geperste licht gegenereerd uit een golfgeleider optische parametrische versterker door verlies door ruimtelijke modusmismatch te minimaliseren met een machine learning-gestuurde ruimtelijke lichtmodulator.
Deze paper presenteert een methode voor het fuseren van quantumpoorten in zowel de voorwaartse als achterwaartse paden om de klassieke simulatie van quantum machine learning aanzienlijk te versnellen en geheugenefficiënter te maken, waardoor het trainen van grote modellen op consumer-GPU's mogelijk wordt.
Dit paper introduceert 'merged amplitude encoding' voor Chebyshev-kwantum Kolmogorov-Arnold-netwerken, waarbij een kleine qubit-overhead wordt geruild voor minder circuituitvoeringen, en numerieke experimenten bevestigen dat deze methode de trainbaarheid behoudt ten opzichte van de originele architectuur.
Dit onderzoek demonstreert dat kritieke fenomenen in niet-integreerbare kwantumbatterijen, zoals het ANNNI-model, leiden tot een aanzienlijke versterking van het laadvermogen bij kwantumfaseovergangen, in tegenstelling tot integreerbare modellen.
In deze studie wordt ParaQuanNet voorgesteld, een parallel quantum neuraal netwerk dat wederzijdse onbevooroordeelde metingen en parallelle verwerking combineert om quantum generatieve circuits met hoge nauwkeurigheid en robuustheid te identificeren.
Dit paper introduceert Q2NS, een op ns-3 gebaseerde, modulaire en uitbreidbare kwantumnetwerksimulator die naadloos klassieke en kwantumcommunicatie integreert, diverse kwantumstaatrepresentaties ondersteunt en superieure rekenefficiëntie biedt ten opzichte van bestaande alternatieven.
Deze studie presenteert een continu-variabel kwantumkeydistributieprotocol dat discrete modulatie combineert met probabilistische amplitudevorming over een lineair kwantumkanal, en toont aan dat deze methode de theoretische prestaties van het Gaussische GG02-protocol benadert met hogere praktische haalbaarheid.
De auteurs presenteren een onbewaakt, fysisch geïnformeerd neuraal netwerkframework dat effectieve Hamiltonianen voor vastestof-kwantumsimulatoren direct uit experimentele transportdata leert, wat wordt gedemonstreerd aan de hand van een keten van quantumpunten met robuuste generalisatie en ruisresistentie.
Dit artikel presenteert een methodologie en volledige software-stack voor het implementeren van quantum oblivious transfer en quantum tokens op bestaande QKD-hardware, wat een stap is naar multi-purpose quantum communicatienetwerken.
Deze studie demonstreert dat het combineren van Rydberg-atoomsensoren met een 1D ResNet deep learning-model een nauwkeurige herkenning van partial discharge signalen via spectrale vingerafdrukken mogelijk maakt, zelfs bij lage signaal-ruisverhoudingen, wat leidt tot robuuste en niet-invasieve diagnose van elektrische isolatiesystemen.
Deze studie stelt twee complementaire correctieschema's voor voor roostergebaseerde simulaties van Coulomb-dynamica die discretisatiefouten verminderen en de nauwkeurigheid op zowel klassieke als quantumplatforms verbeteren zonder de noodzaak van uiterst fijne ruimtelijke roosters.
Deze studie presenteert een QUBO-gebaseerd iteratief framework voor het trainen van CNN-classificatoren via quantum annealing, waarbij convolutielagen worden bevriezen en de classifier-head wordt geoptimaliseerd zonder gradiënten om barren plateaus te vermijden en concurrerende prestaties te behalen op beeldclassificatie-benchmarks.
In deze studie wordt aangetoond dat niet-adiabatische elektron-kern correlaties binnen het exacte factorisatiekader elektronische de-orthogonalisatie veroorzaken, wat resulteert in dynamische interferentie in de kern-dichtheid die bij adiabatische evolutie niet voorkomt.
In deze studie wordt QAOA-Predictor voorgesteld, een Graph Neural Network dat de succesprobabiliteit en minimale laagdiepte van LR-QAOA voorspelt, waardoor kostbare parameteroptimalisatie tijdens runtime wordt vermeden en efficiënte, één-shot optimalisatie voor combinatorische problemen mogelijk wordt.