Bernstein-Vazirani Networks: Quantum Machine Learning by Interference
本文介绍了 Bernstein-Vazirani 网络 (BVNs),这是一种非变分、无梯度的量子机器学习框架,它利用傅里叶基或问题自适应基中的量子干涉,在视觉和表示学习任务中实现了通用函数逼近和强泛化能力。
9083 篇论文
量子物理探索着物质与能量在微观尺度上最奇妙的行为,从神秘的叠加态到跨越空间的纠缠现象,这一领域正不断重塑我们对现实世界的理解。Gist.Science 致力于让深奥的 arXiv 预印本变得触手可及,我们追踪该分类下发布的每一份最新预印本,并为其提供两种解读视角:既包含通俗易懂的科普解读,也涵盖保留核心细节的技术摘要。
无论您是希望快速掌握前沿动态的科研工作者,还是对宇宙奥秘充满好奇的普通读者,这里都能为您提供清晰的研究概览。我们梳理了 arXiv 上量子物理板块的最新成果,确保您能第一时间读懂科学界的最新突破。下方列出了该领域刚刚发布的最新论文及其摘要。
本文介绍了 Bernstein-Vazirani 网络 (BVNs),这是一种非变分、无梯度的量子机器学习框架,它利用傅里叶基或问题自适应基中的量子干涉,在视觉和表示学习任务中实现了通用函数逼近和强泛化能力。
本文建立了一个信息论界限,表明两个非通信方正确预测来自二分编码的共享随机奇偶校验的概率,受限于其局部恢复概率,这一结果的动机在于不可克隆加密和量子副本保护的应用。
本文表明,渗流分形层级小世界网络上的相干量子输运对连通性表现出非单调依赖性,其中由于捷径辅助扩散与干涉诱导回流之间的竞争,中间值的键概率使输运效率达到最大,这与经典输运中观察到的单调提升形成了对比。
本文研究了在局部状态判别中精确与近似纠缠电池及催化剂的局限性与优势,建立了对正交纯双体态完美判别的基数约束,并证明了在区分特定集合(特别是源自多副本不可区分系综的集合)方面具有显著优势。
本文通过证明并行 次查询、 轮量子算法在大多数输入上可以被具有 次查询的经典算法所模拟,从而解决了一个量子复杂度理论中的基本猜想,进而论证了非结构化问题中超多项式量子加速的实现必须以超常数电路深度为前提。
本文为开放量子系统开发了一个几何框架,该框架在平稳态-生成元对的流形上定义了度量、联络和平行移动,从而实现了可观测量响应的内禀传输,并揭示了物理模型通常构成一个非凯勒流形,其中测地路径不同于线性插值。
本文通过利用分级矩阵乘积算符代数来表示对称性诱导的畴壁,研究了二维张量网络态中对称性增强的拓扑序,从而建立了与分级酉融合范畴的联系,构建了拓扑缺陷扇区,并分析了由对称性规范化和任意子凝聚驱动的双重相变。
本文引入了一个关于“最小网络非经典性”的可测试准则,用于识别并认证网络场景中真正新颖且独立于贝尔原始定理的量子及奇异相关性,并展示了其在双局域场景中的应用。
本文通过利用量子脉冲门测量时空循环 函数并应用极大似然估计,展示了一种检索单光子级光脉冲复数谱振幅的方法,从而实现在极低强度下无需先验信息即可进行完整的脉冲表征。
本文建立了局部稳定子码的容错性与高一维混合态相之间的对应关系,引入了“时空马尔可夫长度”——一种基于条件互信息衰减且独立于解码器的诊断方法——用以识别容错性的内在崩溃并揭示对称保护拓扑相中的相变。