Adaptivity is all you need: Optimal stabilizer learning using just single-copy measurements
本文证明了自适应性完全消除了学习稳定器态时单副本测量与多副本测量之间的样本复杂度差距,从而使得仅使用单副本克利福德(Clifford)测量即可实现 -副本的最优算法,同时还将该结论扩展到了容错测试以及具有有界稳定器零度(stabilizer nullity)的状态。
11134 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。
本文证明了自适应性完全消除了学习稳定器态时单副本测量与多副本测量之间的样本复杂度差距,从而使得仅使用单副本克利福德(Clifford)测量即可实现 -副本的最优算法,同时还将该结论扩展到了容错测试以及具有有界稳定器零度(stabilizer nullity)的状态。
本文介绍了 Sweeping RTM 算法,这是一种基于简化转移矩阵的张量网络方法,通过证明在固定精度下所需的键维随时间呈亚指数级增长,实现了对一维混沌量子电路输出概率的高效经典强模拟。
本文确立了量子杂质模型的静态特性可以在具有多项式时间保证的经典计算机上进行高效模拟,同时证明了模拟其动力学、非平衡态特性在经典计算上仍然是困难的,但在量子计算机上可以高效实现。
本文确立了由魔术型 Rényi 熵测量的费米子非高斯性的普适上界与 Haar 平均值,同时识别出其在 Sachdev-Ye-Kitaev 动力学下增长过程中的一阶相变,该相变标志着一种不同于热自由能的非高斯性的定性变化。
本文介绍了变分虚时马约拉纳演化(VIME),这是一种与压缩的 c-tUPS 拟设相结合的经典预训练算法,与现有的如 ADAPT-VMPE 等方法相比,它在实现分子基态制备的化学精度方面,显著降低了量子电路深度和门计数。
本文提出了一种利用融合网络和 ZX 演算变换的容错分布式晶格手术协议,证明了利用线性簇态的混合方法可以实现 50% 的界面擦除阈值,并显著增强界面距离,特别是在低局部噪声的机制下。
本文通过利用傅里叶对称化来分析对称结构如何建模表达能力,引入了一种用于高效实现不变模型的随机编码方法,并证明了通过量子物理信息神经网络在求解偏微分方程方面的卓越性能,从而推进了几何量子机器学习的发展。
本文建立了一个全面的量子最优传输重心框架,并给出了存在性与对偶性结果,通过一种新颖的状态重构原理,弥合了协方差唯一性与全量子态唯一性之间的差距,证明了高斯输入态(特别是当至少有一个是忠实的)能够唯一确定一个高斯重心。
本文引入了陷阱门式 Clifford 算符分布,这些分布在计算上与均匀随机 Clifford 算符不可区分,但在学习噪声下的奇偶校验假设(LPN)下允许近线性时间的采样与实现,从而能够加速量子协议,并为 Clifford 电路综合建立了新的最坏情况到平均情况的硬度归约。
本文引入了一类被称为马尔可夫杂质模型的新型碰撞模型,用以证明增加杂质参数 会诱导从马尔可夫动力学向非马尔可夫动力学的转变,且该转变的临界阈值受系统-辅助器及辅助器-辅助器相互作用强度的影响。