Continuous quantum correction on Markovian and Non-Markovian models
该研究通过解析单量子比特及多种量子纠错码，发现连续量子纠错在具有量子芝诺效应的非马尔可夫噪声模型下，其保真度衰减速度慢于马尔可夫模型，从而表现出更优的纠错性能。
⚛️ Category
quant-ph
1693 篇论文
Catability as a metric for evaluating superposed coherent states
该论文提出了一种基于非线性压缩的可直接测量新指标“可猫性”（Catability），用于在无需全态层析且抗噪的条件下有效识别叠加相干态中的“猫态”特征。
Markovian heat engine boosted by quantum coherence
该研究通过在一维量子奥托循环中消耗量子相干性，证明了含噪马尔可夫单量子比特热机可突破经典效率极限，并揭示了振幅阻尼与相位阻尼在部分热化条件下对功提取和效率的不同影响，同时利用量子电路模拟验证了这些现象并建立了电路热力学成本与信息处理能耗之间的直接联系。
Efficient Characterization of N-Beam Gaussian Fields Through Photon-Number Measurements: Quantum Universal Invariants
该论文提出了一种通过光子数测量获取强度矩以唯一确定 N 束高斯场量子普适不变量（包括纯度和纠缠判据）的方法，并实验验证了其在表征含噪对称三束高斯态纠缠特性方面的有效性。
Ab Initio Polaritonic Chemistry on Diverse Quantum Computing Platforms: Qubit, Qudit, and Hybrid Qubit-Qumode Architectures
该研究通过对比基于量子位、量子多值位及混合量子位 - 连续变量三种架构，发现混合架构在模拟腔内分子的光子 - 电子强关联效应时，能以更优的资源效率实现与常规方法相当的精度，从而凸显了高维量子平台在极化激元化学模拟中的潜力。
Thermalization of Quantum Many-Body Scars in Kinetically Constrained Systems
本文通过将动力学约束系统的动力学嵌入 Lindblad 型主方程并引入基于巨正则系综的广义本征态热化假设，揭示了量子多体疤痕态的慢衰减特性，从而在统一的热力学框架下解决了约束诱导的非遍历性与热化范式之间的根本矛盾。
Iterative Quantum Feature Maps
本文提出了一种名为迭代量子特征映射（IQFMs）的混合量子 - 经典框架，该框架通过迭代连接浅层量子特征映射与经典计算的增强权重，结合对比学习和逐层训练机制，有效克服了深层量子电路的噪声与资源瓶颈，并在无需优化变分参数的情况下实现了优于量子卷积神经网络且媲美经典神经网络的分类性能。
Engineering Precise and Robust Effective Hamiltonians
该论文提出了一种通用的有效哈密顿量工程框架，通过最小化高阶项并增强对系统误差的鲁棒性，实现了量子模拟、传感和计算中精确且高效的量子控制策略。
Designs from magic-augmented Clifford circuits
该论文提出了一种利用常深度非 Clifford 门增强浅层 Clifford 电路的架构，以资源高效的方式在降低电路深度和“魔法”门使用量的同时生成近似-设计，并建立了相应的经典统计力学描述及无解定理。
Thresholded Quantum Sensing with a Frustrated Kitaev Trimer
该论文提出了一种基于受挫 Kitaev 三自旋系统的阈值量子传感方案，该方案在绝热近似下对低于阈值的零均值信号无响应，而高于阈值时能实现全向信号探测，且在纠缠多传感器配置下可达到海森堡极限灵敏度。
Relativistic quantum mechanics and quantum field theory
本文面向具备经典力学与基础量子力学知识的读者，通过半历史视角和必要的数学表述，阐述了从相对论量子力学向必须包含粒子产生与湮灭机制的量子场论框架转变的根本原因及其涌现的新特征。
Diagnosing Device Performance in Rydberg-Ladder Gauge Simulators with Cumulative Probabilities and Filtered Mutual Information
该论文利用累积概率分布和滤波互信息作为诊断工具，分析了 Aquila 里德堡原子平台在模拟梯形规范场模型时的性能，发现尽管读出误差可被有效缓解，但状态制备的不完美仍是限制硬件模拟精度的主要因素。
Interplay of Zeeman Splitting and Tunnel Coupling in Coherent Spin Qubit Shuttling
该研究在硅基 MOS 器件中实现了平均保真度达 99.8% 的高保真度自旋传递，并揭示了残余误差对隧穿耦合与塞曼分裂比值的敏感性，为未来量子架构中的自旋传递系统优化提供了关键见解。
Biorthogonal Neural Network Approach to Two-Dimensional Non-Hermitian Systems
本文提出了一种基于双正交结构和方差最小化的自洽对称优化框架，结合神经网络波函数与变分蒙特卡洛方法，成功克服了非厄米量子多体系统中瑞利 - 里兹变分原理失效及例外点等挑战，实现了对二维非厄米横场伊辛模型基态性质的高精度、可扩展计算。
Theoretical Study of the Squeezed-Light-Enhanced Sensitivity to Gravity-Induced Entanglement via Finite-Time Analysis
该研究通过傅里叶域分析表明，在引力诱导纠缠探测中引入压缩光输入可显著降低机械条件态的光学噪声，将信噪比达到 1 所需的总测量时间从 $10^{6.8}10^6$ 秒，从而有效提升了引力诱导纠缠的可探测性。
Decoded Quantum Interferometry Under Noise
本文通过引入噪声加权稀疏度参数，严格分析了去噪量子干涉（DQI）算法在局部退极化噪声下的性能衰减机制，并通过数值模拟验证了其在最大线性可满足性问题中的表现，为在噪声环境下保持该算法的量子优势提供了理论框架。
Density matrix-based dynamics for quantum robotic swarms
本文提出了一种基于密度矩阵的混合量子态新理论，用于描述微纳机器人网络，该方法的优势在于其矩阵规模不随机器人数量增加而改变。
Quantum parameter estimation with uncertainty quantification from continuous measurement data using neural network ensembles
该论文表明，利用深度神经网络集成方法不仅能实现量子参数估计，还能有效量化估计不确定性并检测数据漂移，同时兼具比传统贝叶斯推断更快的推理速度，为实验场景下的实时参数估计提供了极具潜力的解决方案。
Quantum sensing of a quantum field
该研究对比了半经典与全量子框架下利用二能级原子探测相干场振幅的能力，发现全量子情形下由于量子态非正交性及原子 - 场纠缠（反作用）导致的退相干效应，量子费舍尔信息存在严格上限，无法像半经典模型那样随时间无限增长。
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。