Performance Comparison of Gate-Based and Adiabatic Quantum Computing for AC Power Flow Problem

该论文首次直接对比了门基量子计算(采用 QAOA 算法)与绝热量子计算(基于 Ising 模型)在求解交流潮流问题上的性能,并通过 4 节点系统的数值实验及与 D-Wave 和 Fujitsu 数字退火器的基准测试,量化评估了两种范式在精度、可扩展性及实际应用潜力方面的权衡。

Zeynab Kaseb, Matthias Moller, Peter Palensky, Pedro P. Vergara2026-03-09⚛️ quant-ph

Decoding Correlated Errors in Quantum LDPC Codes

该论文提出了一种名为 GARI 的图增强与重连方法,通过消除含 Y 型错误的 4 环来解码量子 LDPC 码中的关联错误,并结合混合串行分层调度及集成解码策略,在双变量自行车码上实现了与 XYZ-Relay-BP 相当的高精度与亚微秒级超低延迟,同时展示了 FPGA 实时解码的可行性。

Arshpreet Singh Maan, Francisco-Garcia Herrero, Alexandru Paler, Valentin Savin2026-03-09⚛️ quant-ph

Towards Quantum Advantage in Chemistry

该研究通过在经典处理器上模拟容错量子硬件执行迭代量子耦合簇(iQCC)算法,成功计算了铱和铂有机金属化合物的激发态能量,结果显示其精度优于现有经典方法,从而确立了约 200 个逻辑量子比特是实现计算化学量子优势的临界阈值。

Scott N. Genin, Ohyun Kwon, Seyyed Mehdi Hosseini Jenab, Seon-Jeong Lim, Taehyung Kim, Tae-Gon Kim, Rami Gherib, Angela F. Harper, Ilya G. Ryabinkin, Michael G. Helander2026-03-09⚛️ quant-ph

El Agente Cuantico: Automating quantum simulations

本文介绍了名为“量子代理”(El Agente Cuántico)的多智能体 AI 系统,该系统通过自然语言接口自动将科学意图转化为跨异构量子软件框架的端到端模拟工作流,从而降低了量子模拟的技术门槛并推动了其自主化发展。

Ignacio Gustin, Luis Mantilla Calderón, Juan B. Pérez-Sánchez, Jérôme F. Gonthier, Yuma Nakamura, Karthik Panicker, Manav Ramprasad, Zijian Zhang, Yunheng Zou, Varinia Bernales, Alán Aspuru-Guzik2026-03-09⚛️ quant-ph

A hybrid quantum network linking telecom-wavelength atomic and solid-state nodes

该研究展示了首个完全在电信 C 波段运行的两节点混合量子网络,通过开发无需频率转换的新型中性原子单光子源和固态稀土量子存储器,成功实现了高纯度光子产生、高效多模存储及在长距离光纤中保持非经典特性的互联,为构建大规模量子互联网奠定了关键基础。

Yuzhou Chai, Dahlia Ghoshal, Nayana P. Tiwari, Alexander Kolar, Benjamin Pingault, Hannes Bernien, Tian Zhong2026-03-09⚛️ quant-ph

Entanglement Barriers from Computational Complexity: Matrix-Product-State Approach to Satisfiability

该论文通过矩阵乘积态的虚时演化方法研究 3-SAT 问题,揭示了由经典计算复杂性(特别是#3-SAT 计数问题的难度)所导致的量子纠缠壁垒,并指出该量子启发式方法所需的非稳定化资源随系统规模超线性增长,从而证明了经典计算复杂性会直接体现为量子纠缠特性。

Tim Pokart, Frank Pollmann, Jan Carl Budich2026-03-09⚛️ quant-ph

Direct Variational Calculation of Two-Electron Reduced Density Matrices via Semidefinite Machine Learning

该论文提出了一种结合输入凸神经网络与半定规划的半定机器学习框架,通过从分子数据中学习两电子约化密度矩阵(2-RDM)的顶点边界近似,在无需显式构建高阶正性条件的情况下,显著提升了直接变分计算 2-RDM 的精度,使其结果与完全活性空间组态相互作用(CASCI)高度一致。

Luis H. Delgado-Granados, David A. Mazziotti2026-03-09⚛️ quant-ph