QAOA-Predictor: Forecasting Success Probabilities and Minimal Depths for Efficient Fixed-Parameter Optimization
本文提出了一种基于图神经网络的 QAOA-Predictor 模型,能够根据问题图结构预测固定参数 QAOA 的成功概率和最小层数,从而在无需昂贵运行时优化的情况下实现高效的组合优化。
2024 篇论文
本文提出了一种基于图神经网络的 QAOA-Predictor 模型,能够根据问题图结构预测固定参数 QAOA 的成功概率和最小层数,从而在无需昂贵运行时优化的情况下实现高效的组合优化。
该论文利用量子输入输出理论,推导了通过同轴端口接口的超导腔量子比特系统的单光子和双光子传输特性的解析全波解,旨在为量子互连的数值建模提供验证基准。
该研究首次报道了在非手性波导中通过原子热运动与集体衰减速率的相互作用实现了高达 0.89 的可控集体发射方向性,并通过数值模拟揭示了这一运动诱导方向性的物理机制。
本文提出了 QFlowNet 框架,通过结合生成流网络(GFlowNet)与 Transformer 架构,利用稀疏奖励信号实现了快速、多样且高效的酉矩阵合成,在 3 量子比特基准测试中达到了 99.7% 的成功率。
该研究利用基于超导电路的量子计算机模拟了金刚石氮空位(NV)中心与自旋杂质的相互作用,通过量子态层析和纠缠判据分析了不同耦合机制对传感器相干性的影响,验证了量子处理器作为可扩展量子传感器环境模拟器的有效性。
该研究量化了硅自旋量子比特阵列中的空间噪声相关性,发现尽管存在全局磁场漂移和短程电荷噪声,但这些相关性并不构成容错量子计算的根本障碍,并为评估噪声对量子纠错的影响建立了定量基准。
本文在二维 U(1) 晶格规范理论的罗赫萨尔 - 基尔森模型中识别出具有精确稳定子结构的子晶格疤痕态,揭示了晶格规范约束、量子多体疤痕与稳定子量子信息之间的直接联系,并展示了其经典可模拟性。
该研究提出了量子神经网络的几何设计原则,通过引入几乎完全局部选择性(aCLS)准则,指出实现有效特征学习需具备数据与权重联合依赖的可控几何变形能力,从而将设计重点从状态可达性转向可学习的隐藏表示几何结构。
该研究提出了一种利用互信息引导纠缠结构的量子启发式哈密顿量特征提取方法,并通过 GPU 加速模拟在 10 个 ADMET 基准测试中实现了优于经典基线的性能,证实了少量量子特征对模型预测具有显著的重要性贡献。
本文提出了一种基于 FPGA 的高效图像重建架构,通过软硬件协同设计实现高并行原子检测,显著降低了中性原子量子计算机的检测时间开销,相比 CPU 基线实现了 34.9 倍的加速。
该论文提出了一种基于超导 transmon 量子比特的辅助比特门基协议,在 NISQ 硬件限制下通过增强信号灵敏度显著加速暗物质搜索,且无需维持长寿命多比特纠缠态,预计可将达到相同排除限所需的积分时间减少多达十倍。
本文提出了一种利用可擦除子集将任意量子码转化为纠缠辅助码的通用方法,从而构建了稳定子框架之外的新方案,并探讨了利用简并性压缩接收方共享态的可能性。
该研究建立了基于统计矩的非高斯特征见证与恒星秩之间的定量联系,证明这些见证可为恒星秩提供可认证的实验下界,从而实现了非高斯态的可扩展认证。
该研究通过在介电米氏共振超表面中嵌入 GaAs 量子点,克服带电激子发光弱的限制,在相同泵浦条件下实现了从单个量子点同时产生反聚束单光子和超聚束光子。
该论文提出并实验验证了一种名为“恢复诱导擦除攻击”的量子密钥分发攻击,利用单光子探测器死时间随计数率变化的非线性特性,通过将量子误码转化为信道损耗来在低于协议中止阈值的情况下隐蔽窃取密钥。
该论文通过提出由网络架构、量子资源和安全模型三个正交轴组成的设计空间,全面综述了多方量子密钥协议(MQKA)的架构、现状与开放问题,并规划了面向未来量子互联网的研究路线图。
该研究通过改进的传输矩阵框架分析了应变石墨烯中电子在静电与磁势垒序列下的输运,揭示了机械变形与磁场的相互作用能诱导反常 Klein 隧穿并有效调制电导,为利用应变工程和磁场调控设计下一代固态器件提供了理论支持。
该论文提出了一种广义的全光学猫态纠错协议,表明使用高阶猫码可以在增加平均光子数的代价下,显著减少达到目标保真度所需的纠错迭代次数,并提出了纠正状态形变的概率性方案及改变编码基矢的能力。
该研究建立了一个功能梯度材料的从头算量子理论框架,利用广义 WKB 方法和玻尔兹曼方程克服了布洛赫定理在空间非周期结构中的局限性,揭示了有效电磁参数的非张量特性,从而为梯度复合材料的预测性设计奠定了量子基础。
该研究利用联合光谱整形技术,在电信波段成功制备了偏振保真度超过 99% 且维度可动态调谐的偏振 - 频率超纠缠光子源,为高维量子通信与计算提供了可扩展的高维量子态资源。