Generative Learning for Quantum Measurement Design
本文介绍了一种名为 FlowMeas 的生成式学习框架,该框架通过使用流网络对浅层克利福德电路进行采样,优化了受资源限制的量子测量协议,与现有方法相比,在分子和费米子系统中实现了显著的误差降低和可扩展性。
9161 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。
本文介绍了一种名为 FlowMeas 的生成式学习框架,该框架通过使用流网络对浅层克利福德电路进行采样,优化了受资源限制的量子测量协议,与现有方法相比,在分子和费米子系统中实现了显著的误差降低和可扩展性。
本文提出了排队模型,用于估计具有异构特征的基于存储器的量子中继器中的端到端纠缠吞吐量和保真度,并利用这些模型优化存储等待时间,以在满足最小保真度约束的同时实现吞吐量最大化。
本文严谨地分析了联合对称性与动力学可达性如何约束最小集合覆盖问题紧致哈密顿编码的相关谱结构,从而确立了虽然全局谱与对称允许谱存在差异,但特定的对称保持协议可以通过在动力学可达扇区内认证能隙来实现多项式级的绝热运行时间。
本文通过在检测器误差模型中枚举陷阱集,引入了一种用于预测量子纠错中误差底的系统性框架,证明了这种结构化分析可以准确预报译码器失效,并揭示了理论码距与实际迭代译码性能之间存在的显著差距。
本研究利用第一性原理和紧束缚模拟证明,SiO衬底会在石墨烯中诱导产生一种复杂的、各向异性的自旋纹理——其范围涵盖了从Rashba型螺旋结构到对称性破缺的构型——从而导致自旋寿命各向异性在0.5到1之间,这与实验观察结果一致,并超过了标准Rashba模型的预测。
本文提出了一种源自质量为 1/2 的相对论性描述的“狄拉克信息载体”,展示了狄拉克方程内在的正、负能量分解如何自然地生成一种受物理约束的计算结构,该结构在推广并还原标准非相对论量子比特逻辑的同时,基于基本物理原理引入了新的约束与可控性条件。
本文证明了,相对于一个预言机(oracle),存在某些学习分布可以由一个能够获取量子样本的量子学习器高效生成,但无法由一个受限于经典样本的学习器生成,从而在 PAC 学习框架下建立了量子与经典之间的分离。
本文研究了相位协变对称性下的桌面可逆性(TTR),证明了虽然有限维系统通常允许保持 TTR 的扩张,但高斯放大信道面临着此类可逆性的根本障碍,从而凸显了这两类量子系统之间的定性区别。
本文报告了首次在两个通过光纤连接的硅基光子芯片上实现的优选 1 对 2 对称量子遥克隆实验演示,其保真度达到 78.45%,显著超越了经典极限,并为可扩展多方量子网络奠定了关键基石。
本文利用谱算子演算和全历史图解法,为欧几里得标量 理论构建了一种有限固有时间构造,并证明了保留的端点尺度会在一圈四点函数中产生一个无法通过标准重整化或场重定义消除的有限动量依赖余项,从而将其与任意截断处方区分开来。