QuTuner: Feature- and Learning-Guided Optimization Pass Tuning for Quantum Compilers
QuTuner 是一个特征与学习引导的框架,它通过利用静态电路结构和对单个优化过程(pass)的动态响应来增强量子编译器优化,从而高效地检索并排序有效的优化序列,在显著改善指标降低效果的同时,减少了不同编译器间的调优时间。
9502 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。
QuTuner 是一个特征与学习引导的框架,它通过利用静态电路结构和对单个优化过程(pass)的动态响应来增强量子编译器优化,从而高效地检索并排序有效的优化序列,在显著改善指标降低效果的同时,减少了不同编译器间的调优时间。
本文通过开发一种辅助辅助框架,成功地在 156 量子比特超导处理器上展示了双局部非定域性和接近阈值的全网络非定域相关性,揭示了特定的联合测量设置对于最大化这些违反至关重要,从而确立了测量几何作为认证网络非定域性的独立资源。
本文通过证明 Krylov 扩展复杂度与纠缠熵能有效识别不同演化方案下的拓扑变化与动力学相变,并利用动量分辨复杂度进一步阐明驱动这些转变的底层特征模,从而研究了非厄米扩展 Su-Schrieffer-Heeger 模型中的相变。
本文提出了一种用于量子门隐形传态的通用确定性框架,该框架利用路径叠加和局部幺正算符来实现如 CNOT 和 CZ 门等非局域操作,为分布式量子计算提供了一种通用的方法,并展示了其光子实现的方案。
本文提出了一种通用的图论框架,将马尔可夫开放量子动力学映射到唯一定义的图中,以严格解释量子主方程,从而实现对耗散特征的表征、耦合机制的分类,以及通过图剪枝和神经网络进行高效的数据驱动分析。
这项理论研究表明,机械应变与外部标量电势的结合应用为单层 MoS 中的自旋极化与谷极化提供了独立的双旋钮控制,从而实现了高度可调的量子输运以及用于先进自旋电子学和谷电子学应用的静电自旋反转。
本文通过证明其测量后态的投影系综精确收敛于最大随机Scrooge系综(该结果是通过路径积分形式体系和鞍点分析推导出的),从解析上论证了Sachdev-Ye-Kitaev (SYK) 模型展现出深层热化特性。
本文提出了一种统一且可审计的分析框架,该框架将 CMOS 光刻几何结构与非对称多栅极量子器件中的静电限制及多电子自旋可观测物理量联系起来,从而实现面向基于 CMOS 的量子比特的设计-技术协同优化。
本文表明,尽管混合量子神经网络通过广泛的超参数优化和增强的表达能力,能够有效地在复杂的云微物理数据上进行训练,但目前其表现仍逊于简单的经典神经网络,这凸显了为了实现实际的量子优势,仍需进行进一步改进。
本文提出并分析了一种利用孪生相关光学物理不可克隆函数(PUF)生成密钥的噪声限制信息论协议,展示了如何在克服制造差异性和环境噪声的同时实现安全密钥协商,并为集成到量子密钥分发网络中提供了潜力。