Deep Neural Network-assisted improvement of quantum compressed sensing tomography
本文提出了一种基于深度神经网络的后处理方法,该方法通过对初始压缩感知重构进行去噪,并将其投影到可行密度矩阵空间,从而在测量数据不足或属于分布外情况时,显著提升量子态层析成像的性能。
9175 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。
本文提出了一种基于深度神经网络的后处理方法,该方法通过对初始压缩感知重构进行去噪,并将其投影到可行密度矩阵空间,从而在测量数据不足或属于分布外情况时,显著提升量子态层析成像的性能。
本文报告了成功制备并稳定了由两种塞曼态的 Dy 原子组成的超冷偶极玻色气体混合物,证明了光诱导的二次塞曼效应创造了暗态,在此干涉现象显著抑制了偶极弛豫速率,同时还确定了预测该混合物互混性的散射长度。
通过引入广义 Shastry-Sutherland 模型并采用先进的数值模拟,本研究确定了纯 Shastry-Sutherland 模型中方格键价键(plaquette valence bond)相与 Néel 反铁磁相之间存在弱一阶相变,从而揭示了一个奇异的三临界点,在该点处,随着系统向 - 海森堡极限演化,相变由一阶转变为连续相变。
本文引入了一个利用多个规范算符同时对调制对称性进行规范化的框架,以捕捉比顺序方法更广泛的对偶性,展示了通过自适应量子线路实现该框架并揭示中间对称保护拓扑相的过程,并将这些见解应用于分析秩-2托里码(rank-2 toric code)的相图。
本文刻画了强正则图与结合方案中 -对态之间的完美态传输,同时为一类在邻接矩阵、拉普拉斯矩阵及拉普拉斯算子加号矩阵下同时具有对态传输特性的无限个非正则图提供了一种统一的构造方法。
该论文提出了量子预处理策略梯度(QPPG)算法,该算法利用基于费舍尔信息(Fisher-information)的预处理来稳定瑞利衰落信道中的链路自适应强化学习,与经典方法相比,实现了显著更快的收敛速度、更高的吞吐量以及更低的发射功率。
本综述探讨了人工智能(特别是通过机器学习、深度学习和语言模型)如何通过实现量子属性预测和构建状态代理模型,来解决高效表征大规模量子系统的挑战,同时讨论了人工智能与量子科学交叉领域的关键应用、挑战及未来前景。
本文介绍了增强型量子神经常微分方程(AQNODE)框架,该框架通过从部分测量数据中学习量子轨迹和耗散参数,从而在无需获知底层物理方程的情况下,实现对耗散量子系统的实时状态估计、滤波和反馈控制。
本文确立了热力学极限的存在性,并证明了在随机生成的矩阵乘积态中,两点相关性的衰减(取决于底层严格平稳张量分布的混合性质)呈指数级或多项式级衰减,从而通过转移算子框架统一并扩展了近期关于随机矩阵乘积态系综的研究结果。
本文利用带有有效温度的平均场玻璃类比来表征随机场XXZ链中的稀有系统级共振,识别出三个不同的机制区间,并阐明了稀有共振路径如何即使在无穷小的相互作用强度下也会破坏多体定位相。