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。
本文通过证明近期的量子核支持向量机（quantum-kernel SVMs）在与经典基准对比中展现出具有竞争力的、依赖于数据集的性能，以及长期的量子预言草图（quantum oracle sketching）在处理流式数据方面具有显著的内存效率优势，评估了量子计算在网络安全分类方面的潜力。
本文在流式 Clifford+T 编译中建立了经典存储与承诺魔术态之间的基本权衡律，通过格几何推导出了交换率 的无条件下界，并证明了在典型条件下， 渐近趋于 3，这意味着每放弃 1 比特存储可节省大约 3 个 门。
本文量化了在固定划分下分发量子化学中单行列式耦合簇（Unitary Coupled-Cluster）ansatz 的隐形传输开销与资源成本，证明了通过 TeleSABRE 算法进行优化时，采用自旋阻塞型 Jordan-Wigner 排序的 UpCCD ansatz 与 UCCSD 相比，展现出了最有利的扩展性。
本文介绍了一种用于量子 LDPC 码的局部、分布式且自主的解码框架，该框架利用置信传播技术，旨在为标准码实现保持阈值的动力学特性，并成功恢复了在标准 BP 失效的代码（如特定扇区的托里码和双变量-双循环码）中的阈值行为。
本文将量子认知机器学习（QCML）确立为一个基础框架，该框架通过学习到的埃尔米特矩阵将数据编码进量子几何中，从而能够在不陷入维度灾难的情况下，提取全局拓扑不变量并实现高维数据集的高效、可解释表示。
本文通过将费米子非局域魔术（fermionic non-local magic）与纠缠谱联系起来，研究了高维自由费米子系统中的该现象，揭示了维度缩减效应，通过纠缠容量建立了界限，通过纠缠-温度响应区分了拓扑相，并表征了其在非平衡动力学中的扩散传播。
本文通过将问题重新表述为复杂的 -切多胞体任务，证明了其 NP 完全性，并开发了一种基于椭球体松弛和启发式脉冲混合的 高效近似算法，该算法在不同量子系统中实现了优于现有方法的、统一的时间最优哈密顿量工程框架。
本文提出了一种自适应局部电路协议，该协议能在具有对数深度的数字量子计算机上高效地生成并利用自旋挤压态，从而实现确定性的狄克态制备，并预测在近期的设备上可获得超过标准量子极限 4.2 dB 的计量增益。
本文引入了基于几何条件的基座神经网络量子态，该状态利用轨道对齐和自回归建模，在显著降低计算成本的同时，能够准确预测未训练几何结构下的分子能量与性质，且无需进一步优化即可达到化学精度。
本文确立了香农熵、费舍尔信息量和量子动能均为相关性的度量，且这些度量在向独立边缘分布的基本映射下都会增加，从而支持了“最小正当相关性原理”，该原理假定物理系统应当由在给定约束下相关性最小的分布来描述。