💻 计算机科学
A programming language combining quantum and classical control
本文提出了一种统一的编程语言，通过一种新颖的语法模态、一种量子配置的操作性适配，以及一种结合了希尔伯特空间与冯·诺依曼代数的指称语义，成功地将传统上分离的量子控制（基于叠加）与经典控制（基于测量）范式进行了整合。
⚛️ 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。
💻 计算机科学
Ramanujan quantum expanders from the Weil representation
本文通过利用 Weil 表示将 Morgenstern 的 Ramanujan Cayley 图进行转移，为任何奇素幂 构造了 Ramanujan 量子扩展图的无限族精确构造，在实现对数门复杂度的情况下，达到了无加性误差的最优奇异值界限。
💻 计算机科学
Optimal Quantum-Classical Separations for Exact Learning
本文通过构建展示出三次分离的型概念类，反驳了关于在精确学习中随机查询复杂度被量子查询复杂度二次方限制的长期猜想，从而证明了最优量子加速可以超过 Grover 和 Bernstein-Vazirani 范式。
💻 计算机科学
An Operator-Norm Approach to Security with Quantum Advice
本文引入了一种用于分析量子随机预言机和置换模型中非均匀安全性的新算子范数框架，该框架统一了搜索与区分界限，从而在处理诸如 Yao's box、伪随机生成器以及加盐函数反转等问题时实现了紧致结果。
💻 计算机科学
Succinct Arguments for QMA in the Quantum Random Oracle Model
本文提出了第一个在量子随机预言模型下针对 QMA 的简洁论证，该论证完全依赖于无结构硬度，通过一种利用针对量子态的可提取向量承诺的新型“承诺-打开”范式，将公开查询健全的量子交互式预言证明转化为量子论证。
💻 计算机科学
Quantum Leakage Resilience of Shamir Secret Sharing
本文确立了在泄露设备具有有限或无纠缠的情况下，只要阈值率超过约 0.73339，未经修改的素域 Shamir 秘密共享对于量子局部泄露仍保持安全，同时证明了设备间的任意纠缠即使在存在经典泄露时也会完全破坏安全性。
💻 计算机科学
Optimal Entanglement Routing in Quantum Repeater Chains: Beyond Fixed Operation Order and Purification Schedule
本文引入了一个用于量子中继链的统一优化框架，该框架放宽了对操作顺序和纯化方案的传统限制，证明了在对称泡利噪声下，灵活的树状纯化策略是最大化端到端吞吐量和可行性的主导因素，同时表明交换后纯化并不提供吞吐量增益。
💻 计算机科学
Quantum Fidelity Landscape-Guided Prior Calibration for Single-Circuit QGAN Image Generation
本文介绍了 BasicQGAN，一种单电路量子生成对抗网络框架，该框架通过在对抗训练前校准量子先验的保真度景观（Fidelity Landscape）以使其与目标数据分布对齐，实现了资源开销降低且稳定的端到端像素级图像生成。
💻 计算机科学
Adaptive Rotation for iSOMA: Geometry, Benchmarking, and Noise Robustness in Variational Quantum Objectives
本文介绍了 iSOMA-AR，这是一种改进型自组织迁移算法的自适应旋转变体，它通过从迁移位移中学习最优基底，显著增强了在坐标敏感型确定性基准测试和变分量子目标函数上的性能，尽管其主要的噪声鲁棒性源于底层的 SOMA 机制而非旋转自适应本身。
🤖 人工智能
Digital Twin Modeling of Quantum Dynamical Systems: Dissipative Quantum Reservoir Computing
本文介绍了耗散量子储备计算（DQRC），这是一个利用小型、固定的开放量子系统来学习并精确重现诸如高次谐波产生等更大规模驱动多体量子系统的复杂非线性输入输出动力学的框架，该框架在作为紧凑且具有物理依据的数字孪生体的同时，其性能优于经典神经网络模型。