⚛️ 量子物理
FL-QDSNNs: Federated Learning with Quantum Dynamic Spiking Neural Networks
本文介绍了 FL-QDSNNs，这是一种保护隐私的联邦学习框架，它利用动态阈值脉冲机制，根据局部数据漂移来选择性地激活量子门，从而在保持计算效率和跨扩展客户端网络的扩展性的同时，在非独立同分布（non-IID）数据集上实现了高精度。
⚛️ Category
quant-ph
11028 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。
💰 量化金融
HQNN-FSP: A Hybrid Classical-Quantum Neural Network for Regression-Based Financial Stock Market Prediction
本文提出并评估了一种用于金融股市预测的混合经典-量子神经网络（HQNN-FSP），通过引入一种新颖的量子拟设和两种优化策略，旨在展示量子辅助学习在捕捉复杂时间依赖性以及改进基于回归的预测方面的潜力。
💬 自然语言处理
SentiQNF: A Novel Approach to Sentiment Analysis Using Quantum Algorithms and Neuro-Fuzzy Systems
本文提出了一种新型的混合量子模糊神经网络（QFNN）方法用于情感分析，该方法利用量子特性和模糊逻辑来克服经典方法的局限性，与现有算法相比，在推特数据集上实现了卓越的准确率（100% 和 90%）以及对噪声的鲁棒性。
⚛️ 量子物理
Optimal Average Success Probabilities of Binary and Quantum Random Access Codes
本文通过使用涉及极好测量（pretty good measurements）和维度限制的技术，证明了二进制 和 量子随机存取码最优平均成功概率的猜想上界，从而证实了 Suzuki 以及 Akibue 等人近期构造的严格最优性。
⚛️ 量子物理
Open quantum spin chains with non-reciprocity: a theoretical approach based on the time-dependent generalized Gibbs ensemble
本文引入了一个基于随时间变化的广义吉布斯系综的理论框架，用于表征具有非互易耗散的弱耗散机制下开放量子自旋链的磁化与电流动力学，该方法成功地通过数值模拟进行了基准测试，并将分析范围扩展到了非相互作用费米子之外。
⚛️ 量子物理
A Counterexample to the Optimality Conjecture in Convex Quantum Channel Optimization
本文通过展示一个在二维希尔伯特空间中的反例，证明了应用于误差矩阵的符号函数并不能为每一个最优解唯一确定一个对偶证书，从而反驳了 Coutts 等人关于基于迹距离的最优状态变换所提出的最优性猜想。
⚛️ 量子物理
MERA: A Mid-Circuit-Measurement Error-Aware Compilation Framework for Quantum Circuits
MERA 是一种新型量子编译框架，它将单比特中途测量（MCM）误差建模和上下文感知动态解耦集成到布局、布线和调度阶段，从而在不增加额外 SWAP 开销的情况下显著提高电路保真度，在具有频繁 MCM 操作的基准测试中优于 Qiskit 和 QR-Map 等现有编译器。
⚛️ 量子物理
Succession of Ising criticality and its threshold in critical quantum Ising model subject to decoherence
这项研究表明，受 退相干影响的量子系统的伊辛临界性在适度噪声水平下仍能持续存在并遵循类伊辛标度指数，随后在强退相干强度下最终转变为强到弱的自发对称性破缺相。
⚛️ 量子物理
Quantum-aware Transformer model for state classification
本文介绍了一种预训练的、基于无监督 Transformer 的神经网络，该网络通过从掩码向量化密度矩阵中学习结构属性，实现了在将二分量子态分类为可分态或纠缠态方面近乎完美的准确率，从而架起了量子信息理论与现代人工智能之间的桥梁。
⚛️ 量子物理
A Topology-Aware Quantum-Classical Framework for Multi-Target Active Debris Removal using Gaussian Boson Sampling
本文提出了一种拓扑感知型量子-经典框架，该框架利用高斯玻色采样从加权轨道图中生成候选目标子集，随后通过多目标进化算法进行优化，以高效规划旨在最小化速度增量和任务时长的主动碎片清除任务。