⚛️ 量子物理
Symmetry-Based Perspectives on Hamiltonian Quantum Search Algorithms and Schrodinger's Dynamics between Orthogonal States
本文通过归一化、正交性及能量限制分析证明，在由初末态张成的二维子空间中，恒定哈密顿量无法实现正交态间的时间最优演化，其根本原因在于系统固有的对称性，而突破此限制需依赖含时哈密顿量或更高维子空间。
⚛️ Category
quant-ph
10663 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。
⚛️ 量子物理
Operator delocalization in disordered spin chains via exact MPO marginals
该论文提出了一种基于矩阵乘积算符（MPO）边缘分布的精确计算方法，通过引入“算子长度”这一新指标，揭示了无序自旋链中算子质量与长度在安德森局域化与多体局域化（MBL） regimes 下的显著差异，证实了 MBL 相中算子复杂性呈现对数增长特征并可用有效-bit 模型定量描述。
🔬 介观物理
Loopless multiterminal quantum circuits at odd parity
该论文理论研究了具有时间反演对称性的奇数费米子宇称无环多端混合超导器件，发现其能相关系具有双极小值，且自旋轨道耦合引入了多轴自旋劈裂，使得弱自旋轨道强度下的系统可通过纯电场在四维自旋手征性子空间内实现普适控制。
⚛️ 格论
Fermion Doubling in Dirac Quantum Walks
本文针对量子行走模拟狄拉克粒子时出现的费米子倍增及伪倍增问题，提出了一类通过允许粒子在原地停留（即非零自跃迁概率）来消除这些虚假解、同时仍能在连续极限下正确模拟狄拉克方程的新型量子行走方案。
⚛️ 量子物理
Elementary Quantum Gates from Lie Group Embeddings in : Geometry, Universality, and Discretization
本文通过引入基于 中嵌入 和 子群的内禀描述层，从几何结构、通用性证明及离散化编译三个维度，系统构建了不依赖特定张量分解的量子门理论框架。
⚛️ 量子物理
Tight Communication Bounds for Distributed Algorithms in the Quantum Routing Model
本文提出了在量子路由模型下针对领导选举、广播、最小生成树和广度优先搜索等分布式问题的新算法，利用基于电网络的量子游走框架实现了近乎最优的通信复杂度，相比经典算法获得了二次加速，并证明了相应的量子消息下界。
⚛️ 量子物理
High-rate Scalable Entanglement Swapping Between Remote Entanglement Sources on Deployed New York City Fibers
该研究利用基于暖原子蒸气池的自然不可区分纠缠源，在无需共享激光或频率参考的情况下，成功在纽约市部署的 17.6 公里光纤上实现了每秒近 500 对的高保真度可扩展纠缠交换，为城市级量子网络的实用化部署铺平了道路。
⚛️ 量子物理
Prodiabatic Elimination: Higher Order Elimination of Fast Variables with Quantum Noise
本文提出了一种名为“绝热消除”（prodiabatic elimination）的近似技术，通过系统性地引入高阶修正并一致地包含量子噪声，在保持计算简便性的同时显著提升了光 - 物质耦合开放量子系统的分析精度，并在驱动耗散 Jaynes-Cummings 模型及 STIRAP 三能级系统中验证了其鲁棒性与普适性。
🌀 非线性科学
Learning Quantum Data Distribution via Chaotic Quantum Diffusion Model
该论文提出了一种利用混沌哈密顿量时间演化生成投影系综的“混沌量子扩散模型”框架，通过仅需全局且与时间无关的控制，显著降低了模拟量子硬件上的实现开销并提升了鲁棒性，同时保持了与现有量子去噪扩散概率模型相当的精度。
⚛️ 量子物理
Scaling Quantum Machine Learning without Tricks: High-Resolution and Diverse Image Generation
本文提出了一种无需降维或分块等技巧的端到端量子生成对抗网络，通过引入归纳偏置和增强噪声输入技术，在 MNIST、Fashion-MNIST 及 SVHN 等数据集上成功实现了全分辨率、多样化的图像生成，并确立了新的性能标杆。