Learning Volterra Memory Kernels for Non-Markovian Qubit Dynamics
本文提出了一种数据驱动框架,该框架利用 Volterra 积分微分方程和 Pade 近似将非马尔可夫量子比特动力学的识别表述为一个受限优化问题,证明了其在面对严重的病态条件时,仍能准确学习并泛化各种量子模型中复杂的记忆核的能力。
9306 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。
本文提出了一种数据驱动框架,该框架利用 Volterra 积分微分方程和 Pade 近似将非马尔可夫量子比特动力学的识别表述为一个受限优化问题,证明了其在面对严重的病态条件时,仍能准确学习并泛化各种量子模型中复杂的记忆核的能力。
本文引入了一种基于傅里叶扩展的框架,用于构建矩阵函数块编码,该框架将近似精度与次规范化界限解耦,从而为特征值和奇异值变换实现具有可调收敛率的酉算子线性组合优化。
本文提出了一种结合全态模拟器与 Clifford 模拟器的创新混合模拟方法,用于高效模拟量子化学哈密顿量中的多比特旋转,在 24 比特系统中实现了约 18 倍的加速,并展示了其在 Intel Quantum SDK 中的实际集成。
本文提出了一种确定性与随机化相结合的算法框架,该框架利用离散二次优化问题的低秩结构,能够高效地寻找具有可证明近似保证的高质量解,并具备大规模并行性,从而实现对超过 维度的可扩展性。
本文提出将归一化维格纳负率(normalized Wigner negativity rate)作为 AdS 中算符扩散的二阶矩诊断工具,证明了在共形维度 时,该比率精确地追踪了 Krylov 方差的增长,并通过径向位置与动量的乘积对应于落入测地线的潮汐拉伸。
本文介绍了 EPIC-CIM,这是一个通过利用平衡传播来优化基于能量的模型,从而在相干伊辛机上训练量子卷积神经网络的框架,进而克服了由于不依赖显式梯度反向传播而带来的非微分量子操作和离散状态演化的固有挑战。
本文介绍了 QR-SPPS,这是一个利用 VQE、ADAPT-VQE 和 DOS-QPE 算法的量子原生框架,用于模拟相关的供应链级联故障、对危机干预进行排序,并比经典方法更准确地量化尾部风险。
本文通过一项 CUDA-Q 与 SeQUeNCe 的协同仿真研究表明,一种集成了实时网络异常检测、以智能引导且资源惩罚为特征的自适应纯化策略,通过动态权衡原始吞吐量与保真度,显著提升了量子网络在遭受 DDoS 攻击时高保真纠缠的交付能力。
本文提出了一种用于最大覆盖选址问题的混合量子-经典框架,该框架结合了用于约束处理的不平衡惩罚机制、线性斜坡调度以及一种热启动 QAOA 变体,旨在一致地提高解的质量与可行性,并随问题规模的增长进行扩展。
本研究表明,尽管二分粒子数涨落与纠缠谱参与度都能追踪自由费米子链中从弱到强的监测转变,但后者并未提供相对于前者的独立物理见解,而是作为一个统计上更稳定的数值估计量,其原因在于其轨迹间的方差更小。