The Power of Shallow-depth Toffoli and Qudit Quantum Circuits

Este trabalho estabelece novas separações entre classes de circuitos quânticos de profundidade constante (incluindo aqueles com Toffoli de controle ilimitado e dicas quânticas) e circuitos clássicos, demonstra que circuitos quânticos de profundidade constante com conjuntos de portas infinitos podem implementar portas de limiar e prova que espaços de Hilbert de dimensão superior não oferecem vantagem sobre implementações de qubits nesse contexto.

Alex Bredariol Grilo, Elham Kashefi, Damian Markham, Michael de OliveiraThu, 12 Ma⚛️ quant-ph

The Generation-Recognition Asymmetry: Six Dimensions of a Fundamental Divide in Formal Language Theory

Este artigo propõe uma análise unificada da assimetria fundamental entre geração e reconhecimento em teoria das linguagens formais, identificando seis dimensões distintas (complexidade computacional, ambiguidade, direcionalidade, disponibilidade de informação, inferência de gramática e temporalidade) para demonstrar que a distinção clássica de "geração fácil, análise difícil" é enganosa e que a verdadeira assimetria reside no fato de que a análise é sempre restrita por uma entrada dada, enquanto a geração não necessariamente o é.

Romain PeyrichouThu, 12 Ma💬 cs.CL

Classical simulability of quantum circuits followed by sparse classical post-processing

Este artigo estabelece condições necessárias e suficientes para a simulabilidade clássica de circuitos quânticos seguidos por pós-processamento clássico esparsos, demonstrando que certas classes de circuitos quânticos tornam-se simuláveis sob essas condições e que circuitos de profundidade constante podem ser simulados probabilisticamente com acesso a circuitos quânticos comutativos.

Yasuhiro Takahashi, Masayuki Miyamoto, Noboru KunihiroMon, 09 Ma⚛️ quant-ph

Intrinsic Information Flow in Structureless NP Search

O artigo propõe uma reinterpretação da descoberta de testemunhas em problemas NP sob uma ótica teórica da informação, demonstrando que, no modelo "psocid" sem estrutura, a redução da incerteza necessária para a recuperação confiável exige uma quantidade de informação que excede em muito a capacidade de aquisição das consultas de igualdade, revelando assim uma origem informacional fundamental para a complexidade exponencial da busca.

Jing-Yuan WeiMon, 09 Ma🔢 math

On complexity of restricted fragments of Decision DNNF

Este artigo investiga a complexidade de representação de fórmulas CNF com largura de árvore limitada no modelo Decision DNNF, estabelecendo limites inferiores para subclasses como d\wedge_d-OBDD, propondo uma metodologia para provar tais limites, analisando a operação Apply e introduzindo o modelo relaxado Structured d\wedge_d-FBDD, que se mostra eficaz para CNFs de largura de árvore de incidência limitada.

Andrea Calí, Igor Razgon2026-03-06💻 cs

A $4/3$ ratio approximation algorithm for the Tree Augmentation Problem by deferred local-ratio and climbing

Este artigo apresenta um novo algoritmo de aproximação com razão $4/3paraoProblemadeAmpliac\ca~odeAˊrvores(TAP),baseadoemumateˊcnicaineˊditade"raza~olocaldiferida"eescalada,queofereceumacomplexidadetemporalde para o Problema de Ampliação de Árvores (TAP), baseado em uma técnica inédita de "razão local diferida" e escalada, que oferece uma complexidade temporal de O(m\sqrt{n})$ superior aos métodos anteriores baseados em programação linear ou enumeração.

Guy Kortsarz2026-03-06💻 cs

Classification of Local Optimization Problems in Directed Cycles

Este artigo apresenta uma classificação completa da complexidade computacional distribuída de problemas de otimização local em ciclos direcionados, demonstrando que, para qualquer problema e razão de aproximação, a complexidade pertence a uma de quatro classes específicas e pode ser determinada automaticamente por um meta-algoritmo eficiente que também sintetiza algoritmos distribuídos assintoticamente ótimos.

Thomas Boudier, Fabian Kuhn, Augusto Modanese + 2 more2026-03-06💻 cs

Why Are Linear RNNs More Parallelizable?

Este artigo estabelece uma conexão teórica fundamental entre complexidade computacional e arquiteturas de redes neurais, demonstrando que as RNNs lineares são altamente paralelizáveis por pertencerem à classe NC1\mathsf{NC}^1 (semelhante aos Transformers), enquanto as RNNs não lineares enfrentam barreiras de paralelização ao resolverem problemas completos em L\mathsf{L} ou P\mathsf{P}.

William Merrill, Hongjian Jiang, Yanhong Li + 2 more2026-03-06💻 cs