Quantum Active Learning
本文提出了一种利用量子状态对称性设计等变量子神经网络的量子主动学习框架,该框架在仅需标注少于 7% 样本的情况下即可实现与全标注数据集相当的性能,但也揭示了在特定条件下其表现可能不如随机采样的局限性。
7075 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。
本文提出了一种利用量子状态对称性设计等变量子神经网络的量子主动学习框架,该框架在仅需标注少于 7% 样本的情况下即可实现与全标注数据集相当的性能,但也揭示了在特定条件下其表现可能不如随机采样的局限性。
本文基于 Bures-Wasserstein 流形的黎曼几何,引入了一类称为“广义保真度”的新概念,该概念不仅统一了多种标准量子保真度并满足其核心性质,还通过广义 Bures 距离导出了相应的不变性、协变性、块矩阵刻画及 Uhlmann 型定理,并进一步推广至多变量情形与量子 Rényi 散度。
该论文提出了一种利用量子噪声诱导正则化的方法,通过调节量子硬件中的噪声水平来增强量子神经网络的泛化能力,从而在回归任务中显著降低验证均方误差。
本文通过将 Loschmidt 回波和 OTOC 推广至 Lindblad 动力学下的开放量子系统,揭示了不同耗散 regime 下的普适动力学特征,建立了 OTOC 与 Rényi 熵的普遍联系,并提出了相应的实验测量方案。
该论文提出了一种利用压缩零 - 双光子叠加态作为原料,仅通过线性光学和单光子探测即可高效生成高保真度光学薛定谔猫态的新方案,该方案具有高成功概率、对损耗高度鲁棒且可基于现有实验技术实现。
本文设计并实验实现了首个基于粒子数守恒电路与状态注入技术的自适应光子量子卷积神经网络,利用半导体量子点单光子源和可编程集成光子干涉仪成功完成了二值图像分类任务,并通过数值模拟验证了该架构在非线性玻色采样任务中的可扩展性。
该论文提出了一种基于赝自旋测量的连续变量量子网络非局域性研究框架,推导了链状和星形构型下的最大违背界限,揭示了星形构型中非局域性强度与网络规模无关且能在高温下持续存在,并证明了非高斯资源(如单光子相干叠加)能显著增强非局域性,同时给出了基于空间宇称观测的实验实现方案。
本文提出了一种结合量子随机存取存储器与重复直到成功协议的超参数化量子电路架构,通过并行训练指数级子模型和引入多项式激活函数,显著提升了量子机器学习的表达能力、精度及可扩展性。
本文提出了一种基于受限通信的序贯测量通信游戏,通过优化两个接收者的成功概率权衡,在半设备无关框架下实现了对发送者态制备、首个接收者仪器及第二个接收者测量设备的自测试,并显著提升了非锐度测量参数的认证鲁棒性,同时揭示了高维系统中更显著的量子优势。
该论文提出了一种基于里查德森外推法的算法误差缓解方案,通过向后误差分析证明了该方法能将 Lindblad 方程量子模拟的电路深度从关于精度的多项式依赖降低至对数依赖,从而在保持标准采样复杂度的同时实现了指数级的精度提升。