An access model for quantum encoded data
本文提出并研究了一种由块编码态制备与测量等场景满足的“近似采样与查询”数据访问模型,利用该模型的可组合性在分布式内积估计任务中实现了多项式级复杂度改进,并部分刻画了经典计算辅助的限时容错量子电路的计算能力。
1157 篇论文
本文提出并研究了一种由块编码态制备与测量等场景满足的“近似采样与查询”数据访问模型,利用该模型的可组合性在分布式内积估计任务中实现了多项式级复杂度改进,并部分刻画了经典计算辅助的限时容错量子电路的计算能力。
该论文将-配对理论推广至任意维度的相互作用非厄米 Hubbard 模型,揭示了包括非厄米角动量算符、反常局域化及高阶皮肤效应等一系列无厄米类比的新奇现象,并建立了一个适用于任意晶格且无需体平移对称性的严格理论框架。
本文分析了将引力红移描述为量子光学多模混合器的模型的有效性范围,指出该模型仅在特定条件下的一阶近似成立,并提出了通过引入数量不少于光子态模数的辅助模来修正变换矩阵的解决方案。
本文探讨了在量子计算模拟振动结构时,截断无限玻色子基组导致的恒等式破坏对哈密顿量矩阵元评估的影响,并通过一维双势阱模型数值展示了基组选择与变分收敛性的重要性。
本文提出了一种利用量子比特与谐振子之间的二次耦合来制备正交压缩态叠加的协议,评估了其在退相干环境下的鲁棒性,并展示了基于此类态的量子纠错码在误差抑制方面的应用潜力。
本文通过引入时间费雪信息,建立了经典与量子动力学中物理成本(如熵产生或哈密顿量方差)与统计距离之间的上下界关系,从而统一推导并验证了约束状态变换最小时间的经典与量子速度极限。
本文开发了非厄米数值重正化群(NH-NRG)方法,成功求解了非厄米库仑模型,揭示了包含具有复数能谱的全新稳定不动点相的非平凡相图,并开源了该代码以解决强关联非厄米系统中的非微扰问题。
本文研究了具有粒子守恒对称性的量子运动约束模型,揭示了约束与手征对称性的共存会导致希尔伯特空间碎片化并引发零模数量参数级增长,同时提出了“集体束缚态”这一非遍历本征态概念,阐明了其在零模子空间中的核心作用及其在多种模型中的普遍存在性。
本文提出了一种基于 Carleman 线性化和变分量子线性求解器(VQLS)的高效分解方法,成功将一维 Burgers 方程加载到量子计算机上,并实现了仅随时间和空间网格点呈对数级增长的多项式对数分解复杂度。
本文报道了一种带有用于原子加载的方形通孔的表面电极离子阱,通过利用该通孔引入原子束并结合 sympathetic 冷却技术,成功实现了钙同位素离子的选择性捕获及离子链的直接生成,为量子计算和精密测量提供了一种简单高效的实验方案。
本文研究了从有限温度吉布斯态出发的准绝热演化协议,通过定义对角性、能量差及能量方差等关键指标,证明了在横场伊辛模型中这些指标随演化时间和系统尺寸多项式收敛,并指出在非可积系统中观测到类似的数值行为,从而表明在满足收敛条件下可恢复热力学观测量的期望值。
该论文通过将量子比特模型的计算过程表述为 Kirkwood-Dirac 准概率分布,证明了该分布的非正性是实现量子计算优势的必要资源,并据此构建了新的经典可模拟状态。
本文提出了一种利用多面体逼近量子集的系统方法,通过结合概率估计框架显著提升了设备无关量子随机数生成协议在有限尺寸下的认证熵界,从而以更少的设备使用次数获得更高的熵率。
该研究表明,在含噪量子电路中,非幺正噪声(如振幅阻尼)能够生成或增强非稳定子性这一关键量子资源,且其解码保真度相变与非稳定子性相变并不对应,从而揭示了利用而非单纯抑制噪声进行量子信息处理的潜力。
该论文研究了在哈密顿量、可观测量及初始态均未知但能量分布受约束的封闭量子系统中,通过定时破坏性测量所获得的数据特征,证明了存在能唯一确定系统参数的“自检验”数据集,并揭示了预测未来统计特性所需的精度可能随时间超指数增长,同时发现了能显著提升或完全消除未来预测性的“顿悟数据集”与“雾区”等反常现象。
该研究设计并实验验证了一种基于频率可调非线性 Purcell 滤波器的可扩展架构,实现了多超导量子比特的高保真度灵活读取、快速无条件重置以及相干性保护,为容错量子计算提供了关键的硬件组件。
该论文基于热力学第三定律,证明了有限热力学资源下无法实现完美的量子测量主体间性,并推导了相关的无定则与偏差界限,同时指出通过冷却或粗粒化可在有限资源下近似实现这一状态。
该论文提出了一种将场数字化参数视为重整化群耦合常数的“场数字化标度”(FDS)新框架,通过结合有效场论、张量网络数值计算及解析证明,成功建立了二维经典态时钟模型与(2+1)维晶格规范理论之间的联系,为分析数字化量子场论的连续统极限提供了关键工具。
本文提出了一种名为“子采样因子分解机退火(SFMA)”的新算法,通过利用子数据集进行概率训练,在降低计算成本的同时增强了算法在解空间中的探索与开发平衡能力,从而在速度和精度上均优于传统的因子分解机退火(FMA),展现出解决大规模黑盒优化问题的良好可扩展性。
该论文通过数值实验与理论分析指出,采用纯态生成器的量子生成对抗网络(QGAN)在图像生成任务中难以泛化,往往仅收敛于训练数据的平均表示,并推导了基于保真度的判别器质量下界以解释这一局限性。