Finite-Precision Quantum Mechanics
本文介绍了区间量子力学（IQM），这是一个有限精度框架，它用“量子包”（密度矩阵的开集）取代理想化的点态，通过将量子态视为随测量而演化并不断精化的认知几何对象，从而解决冯·诺依曼熵困境和波粒二象性等基础悖论，同时在无限精度极限下恢复标准量子力学的预测。
⚛️ Category
quant-ph
6117 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。
High-fidelity molecular quantum logic gates resilient to interaction fluctuation
本文提出了一种用于光阱极性分子的高保真度、可调谐受控相位门，该门通过利用全局微波脉冲和单量子比特门且不布居耦合态，实现对偶极 - 偶极相互作用涨落的鲁棒性，从而在典型实验条件下实现超过 0.9999 的保真度。
Capacity of multimode quantum Gaussian channels
本文推导了多模高斯量子信道容量的显式公式，证明了在固定功率约束下增加模式数量始终是最优的，并提供了随机被动变换、零差探测和外差探测下系综平均霍利沃容量的解析结果。
Non-Markovianity in the Adapted Caldeira-Leggett model
本文通过分析信息回流和系统 - 环境关联，刻画了修正的 Caldeira-Leggett 模型的非马尔可夫特性，证明了虽然耦合强度主要驱动关联的积累，但温度显著影响环境态的变化，从而验证了该模型作为探索微观量子现象的可靠工具。
Quantum master equation approach for the multiphonon up-pumping model
本文基于推导出的量子主方程，提出了一种完全量子的多声子上泵浦模型，以阐明冲击声子环境如何驱动能量从低频门控模式相干地转移到含能材料中的高频分子振动。
Off-line quantum-advantage feature extraction for industrial production
本文介绍了由 Kipu Quantum 提出的“量子特征代理”框架，该框架利用量子处理器从小规模数据子样本中学习特征表示，并训练经典模型将这些洞察应用于大规模数据集，从而消除对每个样本进行量子执行的必要性，以经济高效的方式实现工业级量子优势。
Geometric curvature driven by many-body collective fluctuations
本文通过展示多体集体涨落如何动态修饰贝里曲率，从而经由非对易横向涨落和非局域时间相互作用在非弹性散射谱中产生可实验区分的特征，将量子几何的理解从单粒子能带结构拓展至多体体系。
Detrimental Agnostic Entanglement: The Case Against Hardware-Efficient Ansätze for Combinatorial Optimization
本文表明，对于由对角哈密顿量支配的组合优化问题（如 MaxCut），硬件高效的变分量子算法会受到“有害的不可知纠缠”的困扰，其性能逊于完全可分离电路，这表明像 QAOA 这样的具有问题结构的设计更为优越，因为它们利用的是源于问题特定结构的纠缠，而非任意纠缠。
Induced transitions in non-Hermitian spin-boson models with time-dependent boundaries
本文表明，在通过压缩变换映射为厄米系统的非厄米自旋 - 玻色子模型中，时间依赖的边界可通过变化非厄米参数的相干干涉来诱导并调控玻色子扇区之间的跃迁。
On Performance and Limitations of NISQ Hardware for Simulations of Quantum Wave Packet Dynamics
本文提出了一种基于一维波包动力学的网格化数字量子模拟方法，将算符复杂度降低至 O(2^n)，并表明尽管 IBM 和 IonQ 硬件上的小规模实现能够定性复现基准动力学，但随着量子比特数量的增加，IonQ 保持了比 IBM 更高的精度。