⚛️ quantum physics
Nonorthogonal-state erasure as the resource behind apparent second-law violations
本文表明，量子希拉德引擎中看似违反热力学第二定律的现象，并非由对非正交态的假设性区分所导致，而是由非正交态擦除这一熵减操作所引起的。
⚛️ Category
quant-ph
9100 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。
⚛️ quantum physics
Robust Quantum Extremal Numbers
本文通过定义一个边缘最大混合缺陷并建立局部稳定性不等式，证明了精确量子极值计数（例如 ）在边缘混合度微扰下的稳定性，从而引入了量子极值数的鲁棒扩展。
🤖 machine learning
Hybrid Quantum-inspired Kolmogorov-Arnold Networks for Privacy-Aware Federated Biosignal Learning
本文提出了一种用于隐私感知联邦心电图（ECG）分类的混合量子启发式柯尔莫哥洛夫-阿诺德网络（HQKAN），证明了该网络在准确性和鲁棒性方面优于传统的多层感知器，同时在多种客户端配置下显著降低了可训练参数量和通信成本。
⚛️ quantum physics
Maximizing Nonclassicality of Massive Objects via Quantum Zeno Effect
本文提出了一种利用量子芝诺效应的无漏洞方案，通过利用重复测量带来的累积量子扰动来放大并检测大质量宏观振子中的非经典特征，从而克服环境退相干，以在宏观尺度上展示量子行为。
⚛️ quantum physics
Entanglement certification via causal-order interferometry in a quantum switch
本文证明了利用量子开关进行因果顺序干涉，特别是在通过局部酉算子进行增强的情况下，可以在所有确定信道顺序的经典混合都失效的噪声机制中认证纠缠，从而扩展了不定因果顺序在各种噪声模型和维度下进行鲁棒纠缠检测的效用。
💰 quantitative finance
Photonic Quantum Computing vs. Classical Solvers in Constrained Factor Portfolio Optimization
本文实证评估了用于因子组合优化的光子量子退火、经典混合整数规划以及深度强化学习，结论指出虽然光子硬件在特定的风险收益场景中表现出色，但对于要求严格尾部风险控制和稳定性的指令，经典求解器仍然更具优势。
⚛️ quantum physics
Classical Limits of Spectral Filtering in Quantum Generative Models
本文证明了量子生成模型中的基于幅值的谱滤波相对于经典后处理并不具备量子优势，因为任何潜在的区分完全依赖于输入态的谱相位，而非滤波操作本身。
⚛️ quantum physics
Local geometry for Schmidt number witnesses
本文研究了泛型子空间中 Schmidt 数见证器的局部几何结构，证明了虽然对于 的 Schmidt 数，在面 之外存在见证器，但对于 的情况，可以在 中心投影态的邻域内找到见证器。
⚛️ quantum physics
Synthesizing In-Bulk Topological Corner States via Giant Atoms
本文提出了一种通过将二维 SSH 点阵与具有工程化 L 型多点相互作用的巨原子耦合，从而在任意体位置合成鲁棒、零能量拓扑角态的方案，以此为构建可重构的可扩展拓扑量子网络和多功能量子开关平台提供基础。
⚛️ quantum physics
Foundation Neural Effective Hamiltonian for Strongly Correlated Quantum Materials
本文介绍了基础神经有效哈密顿量（Foundation Neural Effective Hamiltonian, FNEH），这是一种将哈密顿量族投影到基础神经量子态的紧凑子空间中的方法，旨在实现对强关联量子材料中相边界和竞争相的精确且低成本的探索，而无需在每个目标耦合下进行重复的神经网络采样。