⚛️ quantum physics
Constant-depth adaptive preparation of Dicke and symmetric states
本文介绍了一种精确的、常深度的自适应协议，用于利用多项式数量的辅助量子比特来制备任意的狄克（Dicke）态和置换对称态，该协议通过利用测量和经典前馈技术，在不增加电路深度的前提下实现了高成功概率。
⚛️ Category
quant-ph
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。
⚛️ quantum physics
Perfect Discrimination of Non-Orthogonal Quantum States via Adaptive Post-Measurement Queries
本文证明了，对于通常无法完美区分的成对非正交量子态，如果发送方在接收方根据测量结果提出的查询后提供一个比特的经典信息，则可以实现完美判别，这一过程可以归约为针对辅助系综的标准最小误差判别问题。
⚛️ quantum physics
Hybrid Quantum Neural Networks: Theory, Implementations, and Applications
本文对混合量子神经网络进行了全面的综述，通过综合其理论基础、多样化架构以及实现过程中的挑战，为理解其当前性能以及在弥合经典与量子机器学习方面的未来潜力提供了一个结构化的视角。
⚛️ quantum physics
Quantum sequential parameter testing
本文引入了一种用于量子力学中序列参数测试的框架，该框架通过排除远离目标值的数值，在预设的容差范围内确定未知的连续参数，并证明了这种方法在处理诸如量子比特相位和纯度测试等任务时，比固定样本协议具有显著的资源效率优势。
⚛️ quantum physics
Compiler Framework for 3D Neutral-Atom Quantum Computers
本文介绍了 Piqasso，这是一个通过分层存储和面外路由来利用三维中性原子阵列垂直维度的编译器框架，与现有的平面编译器相比，它能显著缩短传输距离、提高移动保真度并加速执行。
⚛️ quantum physics
Analytic Qubit Separation between POVMs and Projective Measurements
本文提出了首个关于量子比特正算子值测度（POVMs）与投影测量之间的全解析贝尔泛函分离，证明了一个经认证的性能差距，即在任意共享的双量子比特态上，一种特定的三结果量子比特 POVM 优于所有的量子比特投影策略。
⚛️ quantum physics
Expressive Power and Limitations of Multi-photon Quantum Neural Networks
本文定量地阐明了，虽然在多光子量子神经网络中增加光子数可以多项式地增强表达能力，但对于固定可观测量的提升受限于相对于模数的线性阈值，而对于可训练可观测量而言，这种提升则是无界的。
⚛️ quantum physics
Automated Construction and Verification of Unextendible Product Bases
本文介绍了一种基于超立方体分解的 SAT 辅助框架，用于自动化构建和验证不可扩展乘积基（UPB），成功在多种多体系统中生成了新的显式实例，并为递归构造提供了种子态。
⚛️ nuclear theory
Quantum Simulation of Nuclear Shell Model Using GCM-Based Methods on NISQ Devices
本文通过采用一种结合了自适应选择策略（ADAPT-GCIM）和优化格雷码编码的混合量子-经典生成坐标法（QuGCM），展示了一种在含噪声中等规模量子（NISQ）设备上模拟低能核本征态的鲁棒且可扩展的方法，该方法在处理如氘、Li 和 Ar 等系统时，实现了与经典计算结果一致的精确能量谱，尽管面临硬件限制。
⚛️ quantum physics
The Sample Complexity of Fidelity Estimation to a Known Rank- Reference State Is
本文通过证明估计未知量子态与已知秩为 的参考态之间的保真度所需的样本复杂度为 ，从而解决了该领域的开放问题，并利用涉及谱矩匹配和随机置换分析的新颖技术，填补了此前下界与上界之间的差距。