🔢 数学
Quantum Markov State Models for Metastable Dynamics
本文通过构建同时保留经典亚稳态相位与量子相干性的最优压缩与重构通道，引入了用于描述开放量子系统长时间动力学的量子马尔可夫态模型（QMSMs），并实现了回答基塔耶夫（Kitaev）精确舍入问题的严格钻石范数误差界限。
⚛️ Category
quant-ph
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。
⚛️ 量子物理
Motzkin-Straus Optimization on an Entropy-Computing Platform
本文引入了一个利用 Motzkin-Straus 定理在 QCi 的 Dirac-3S 光子熵计算计算机上解决组合优化问题的框架，证明了该模拟平台在大多数基准实例上达到或超越了经典求解器，同时确立了熵计算作为一种用于导航非凸景观的竞争性方法。
🔢 数学
Generalized Reimpell-Werner Iteration
本文将 Reimpell-Werner 迭代法推广至具有任意埃尔米特（Hermitian）代价矩阵的线性目标函数，并证明了在特定的初始化条件下，该方法能收敛至全局最优解，且其渐近迭代复杂度为 。
⚛️ 量子物理
The Generalized Semi-Clifford Conjecture Holds at Level 4
本文通过将对共轭群上的不动点论证进行扩展，证明了在任何素数维数下，Clifford层级的第四级满足广义半Clifford猜想，即显示出 中的每一个门在经由Clifford乘法处理后，都是一个置换矩阵与一个对角矩阵的乘积。
🔢 数学
Limit Theorems for Disordered Quantum Trajectories
本文为处于淬火 Doeblin 条件下的无序环境中的离散时间量子轨迹建立了极限定理，包括路径遍历性、中心极限定理以及 Berry–Esseen 界，证明了后验状态收敛至唯一的动态平稳态，并刻画了几乎所有无序实现下加性泛函的统计涨落。
⚛️ 量子物理
Quantum Query Complexity for List Search
本文证明了在量子查询模型中，搜索链表的复杂度取决于环境地址空间的大小 ，实现了 的紧确界，并且当 时，相较于经典遍历展现出了真正的量子优势。
⚛️ 量子物理
Exact Diagonal Completion on Reachable Subspaces: Application to QAOA Placement
本文提出了一种利用加权 优化进行精确对角补全的方法，通过利用未使用的编码状态来降低基于 QAOA 的布局问题的量子线路深度，在特定的合成语境下实现了显著的 CX 门减少，但在证明其相对于经典方法具有确定性的端到端优势方面未能取得进展。
🔢 数学
Transmitting algebras through quantum channels
本文建立了有限维 代数通过量子信道进行精确传输的理论，揭示了即使在小维度下，单一占优代数也往往不存在，这使得必须在不可比的最大代数之间进行选择，并导致了诸如代数超加性以及在大块长度下可传输类型呈双指数增长等复杂现象。
⚛️ 量子物理
Does the Readout Bypass Leak the Input? A Feature-Visibility Audit of Hybrid Quantum-Classical Models
本文审计了具有读取侧残差（readout-side residuals）的量子-经典混合模型，证明了虽然旁路机制允许通过梯度分析实现原始输入坐标的近乎完美的重建，但这种泄漏是经典旁路而非量子编码本身失效的直接结果，并且目前在单样本训练下并不会转化为有效的成员资格攻击。
⚛️ 量子物理
When Error Mitigation Makes Things Worse: Budget-Aware Evaluation, Extrapolation Failure, and the Calibration Trust Boundary
本文表明，误差缓解技术（特别是无约束零噪声外推和神经校正器）在误校准或预算限制下可能会显著放大误差并无法检测尾部风险，从而揭示了近期量子学习流水线在校准完整性和评估方法论方面的关键脆弱性。