Quantum Reinforcement Learning for Cost and Delay Tradeoffs in Quantum Cloud Orchestration
本文提出了 QRLQ,一种将参数化量子电路与对决双重深度 Q 网络相结合的量子强化学习框架,用于优化量子云编排中的成本-延迟权衡,证明了其性能优于启发式基准,且在参数量显著减少的情况下达到了与经典深度强化学习相当的结果。
11181 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 QRLQ,一种将参数化量子电路与对决双重深度 Q 网络相结合的量子强化学习框架,用于优化量子云编排中的成本-延迟权衡,证明了其性能优于启发式基准,且在参数量显著减少的情况下达到了与经典深度强化学习相当的结果。
本文提出了一种针对任意纯费米高斯态的自适应认证协议,该协议利用单比特测量实现了最优的 样本复杂度以及 的经典处理复杂度,其效率受高维扩展器马尔可夫链谱隙的控制,并且可扩展至某些非高斯相位修饰态。
本文介绍了量子数据集蒸馏(QDD),这是一种将完整数据集直接蒸馏为一组参数化浅层电路的方法,旨在消除重复的状态制备开销,在显著减少采样次数的同时实现了与全数据训练相当的准确率,并在真实量子硬件上成功通过了验证。
本文通过提出一种区分本体论与实用论物理性的层级观点,从而为量子力学中希尔伯特空间的物理性进行辩护,进而解决状态识别中的歧义,并通过模态形而上学应对量子场论中的解释性挑战。
本文提出了一种通过利用多光子态联合谱振幅(JSA)的张量结构来优化同态检测中脉冲局部振荡器的框架,证明了最优振荡器对应于 JSA 张量的第一特征对,并且其高阶奇异值分解既能提供理论可见度界限,也能为基于梯度的优化提供实际初始化。
本文证明了判定团复形(clique complex)整数同调中是否存在扭än(torsion)是 NP-难的,并提出了一种作为单侧扭än见证(one-sided torsion witness)的量子算法,该算法相对于经典方法实现了近二次方的加速,同时强调了整数同调在贝蒂数(Betti numbers)之外的计算复杂度。
本文提出了用于迈耶同调(Mayer homology)的高效量子算法,这些算法克服了传统拓扑数据分析中的归一化瓶颈和去量子化漏洞,展示了在基因组学和药物研发等领域具有实际应用潜力的量子优势。
本文通过证明固定角度猜想在深度为 2 的 9-正则图上失效,同时证明该猜想对于任何正则图的深度 1 以及对于任何深度的 2-正则图均成立,从而反驳了量子近似优化算法(QAOA)的固定角度猜想。
本文确立了特定的耗散玻色子动力学(包括与猫码相关的动力学)具有瞬时索伯列夫正则化(Sobolev regularization)特性,能够立即将任何初始状态映射为具有数算符有限矩的状态,从而为玻色量子信息处理中的收敛性和误差抑制提供了更精确的解析估计。
本文证明了基于 Hellinger 距离的两味中微子振荡中的相干性表现出对弱退相干具有独特的 非解析敏感性,使其成为比并发度或跃迁概率等传统量化指标更具响应性的阻尼效应探测手段。