arXiv
quant-ph
说明量子信道学习中,访问Stinespring扩张幺正算符带来的指数级查询优势
简介该论文研究量子信道学习任务,衡量未知信道与幺正信道的接近程度(以最优平均门保真度OAGF表示)。在恒定Kraus秩且环境维度为polylog(d)的条件下,访问Stinespring扩张幺正算符及其逆的算法只需polylog(d)次查询即可估计OAGF;而黑箱访问则至少需要Ω(√d)次查询。这表明访问系统-环境联合演化可在估计量子信道内在性质上带来指数级优势。
Manaki Arihara, Satoshi Yoshida, Philip Taranto 等
★★★★☆ 值得关注
arXiv
quant-ph
说明超越近似酉设计的量子态学习
简介该论文研究用近似酉设计代替精确酉设计进行量子态学习的可行性。作者证明,即使近似误差指数级小,也未必保留精确设计的学习保证,因此需直接从测量电路结构推导保证。对于经典阴影的可观测量估计,证明对数深度两层Clifford电路可得到无偏估计,并与全局Clifford方差标度一致。
看点证明对数深度两层Clifford线路在经典阴影中保持全局Clifford方差,并刻画近似设计的局限,新颖且论证较严谨,对子领域有用。
Gyungmin Cho, Changhun Oh, Dohun Kim
★★★★☆ 值得关注
arXiv
quant-ph · cond-mat.stat-mech · math-ph
说明以高精度、低样本复杂度预测 Scrooge 系综的性质
简介Scrooge 系综是与密度矩阵 ρ 对应、平均密度矩阵恰为 ρ 的最大随机系综,可用于量子多体动力学与量子信息。论文提出对 Scrooge k 阶矩的多项式近似,误差阈值由原来的逆多项式改进为关于 1/||ρ||∞ 的指数级,并据此给出首个高效量子算法估计可观测量期望值。论文还提供了 ρ 制备线路已知时 k 阶矩的分块编码构造。
看点提出多项式近似并把阈值从逆多项式改进为指数级,首个高效算法估计可观测量,证明与分析较扎实。
Yue Wu, Yuzhi Tong, Helen Propson 等
arXiv
quant-ph
说明通过单比特测量在稳定子码中定位逻辑信息
简介本文研究在量子比特丢失的稳定子码中,仅通过一轮单比特测量,将逻辑信息定位到少量目标量子比特上的方法(稳定子路径查找,SPF)。作者提出 g-SPF,即定位到最多 g 个未指定目标比特的任务,并证明在独立同分布丢失概率 p<1/2 且平面表面码足够大时,定位成功概率趋于一,从而确定定位阈值。文中还提出一种精确的整数线性规划算法和一种更快的启发式解码算法,并通过数值实验验证了表面码的定位阈值。
Jelena Mackeprang, Hemant Sharma, Jonas Helsen
★★★★★ 值得关注
arXiv
quant-ph
说明半群乘积问题的量子查询复杂度
简介本文研究在给定乘法表、每次查询可读取一个输入元素的条件下,计算半群乘积 x_1…x_n 所需的量子查询次数。作者引入“乘积宽度”β来刻画有限交换非周期幺半群的复杂度,并给出与阶数相关的上界。对任意有限非周期半群,文中改进了 Aaronson、Grier 与 Schaeffer 的已知上界,并指出对规模的依赖近乎紧致。
看点提出以乘积宽度刻画有限交换非周期幺半群的量子查询复杂度,并显著改进一般有限非周期半群的上界,证明紧致且有严格论证。
Troy Lee, Miklos Santha
★★★★☆ 值得关注
arXiv
quant-ph
说明单次测量态制备阈值:严格定理与统计力学映射
简介论文研究在一轮含噪综合征测量下制备逻辑码字的阈值,即单次态制备阈值。作者证明对于具有对数以上距离的CSS量子低密度奇偶校验码,线性约束足以保证非零阈值,并在线性可靠性假设下得到局部随机的残余数据错误。论文还建立了统计力学映射,并对三维环面码进行蒙特卡洛模拟,结果表明次线性可靠性也可能支持单次态制备阈值。
看点证明线性束缚足以保证单次制备阈值,挑战了软性是必要条件的通行观点;并给出统计力学映射与蒙特卡洛数值支持。
Yuanchen Zhao, Yi Yuan, Zhengyi Han 等
arXiv
quant-ph
说明计算流体力学的量子算法综述
简介本文综述了用量子方法求解计算流体力学中偏微分方程的各类途径,包括HHL、QSVT、哈密顿量模拟和量子格子玻尔兹曼方法等全量子方法,以及量子物理信息神经网络等混合方法。作者还讨论了张量网络表示,并以泊松、反应扩散等基准问题评估这些算法对流体动力学关键特征的刻画能力。文章指出,量子优势高度依赖具体问题,受条件数、表示复杂度、态制备和测量等因素制约。
Mario Guillaume Cecile, Nis-Luca van H\"ulst, Tomohiro Hashizume 等
★★★★★ 值得关注
arXiv
quant-ph · math-ph · math.MP
说明Haah三维立方码快速热化:三维量子存储器是否自纠错的解析证明
简介Haah三维立方码被提出作为三维自纠错量子存储器的候选,利用不存在串状逻辑算符来抑制热误差。本文严格证明该码在任意正温度下都会快速热化,回答了这一长期悬而未决的问题。证明基于一种将关联衰减条件转化为Davies生成元修正对数Sobolev不等式的框架。
看点解决了Haah三维立方码是否为自校正量子存储器的长期开放问题,给出所有正温度下快速混合的严格证明,属于突出的理论突破。
Sebastian Stengele, Libor Caha, \'Angela Capel 等
arXiv
physics.optics · quant-ph
说明基于双光子关联的共聚焦成像:利用纠缠光子对的空间关联实现无针孔、无需机械扫描的光学切片
简介共聚焦显微镜通常依靠逐点扫描和物理针孔实现三维光学切片,成像速度受限。该研究表明,可以直接利用纠缠双光子态的空间关联,通过空间分辨的符合测量在宽场成像系统中抑制离焦平面的贡献。该方法无需针孔或机械扫描即可并行完成整个视场的光学切片,其轴向响应因位置-动量纠缠而比经典共聚焦成像窄 √2 倍。
Euan Millar, Emma Pearce, Daniele Faccio 等
arXiv
quant-ph
说明变分量子算法的标度律
简介本文通过在组合优化问题上的大规模数值实验研究变分量子算法的标度律。实验规模最大到 5000 个量子比特,线路深度为 O(log n),采用可经典模拟的拟设。收敛能量与基准报告中的最优或参考能量相差不超过 0.5%。
Ningfeng Wang, Zhengwei Liu
★★★★☆ 值得关注
arXiv
quant-ph
说明量子过程层析快速且可靠的新方法:用闭式投影把量子态层析算法推广到量子信道估计
简介本文研究量子过程层析(QPT),即通过测量估计量子信道。常见做法是借助Choi同构把量子态层析(QST)算法提升到信道上,但需额外保证保迹(TP)约束。作者证明,所谓的部分归一化方法正是在保真度意义下对量子信道Choi态的精确投影,因此任何在保真度下有保证的QST算法都可通过一个闭式变换推广为QPT算法。其中非自适应协议(保真度投影最小二乘)在使用信道次数与1/ε成比例的条件下可恢复Choi秩并达到误差ε。数值实验显示,对低Choi秩信道,该方法在精度上优于现有投影最小二乘法,且在保迹正则化步骤的时间与内存开销上低数个数量级。
看点证明了折中归一化即为Choi态在保真度下的精确投影,把QST的保证直接迁移到QPT,理论上有实质新意,并给出样本复杂度结果与数值验证。
A. Afham, Sayantan Sen, and Marco Tomamichel
arXiv
quant-ph
说明少量测量约束大量可观测量:利用相关性增强多体量子系统学习
简介论文提出,量子可观测量之间的相关性可以降低量子学习的复杂度:多项式数量的选定测量即可约束指数级数量的依赖未测量量。作者据此设计了利用相关性的学习算法,用于估计100比特系统中的纠缠和魔法等资源,相对误差低于阴影层析和神经态方法,且无需测量前的纠缠门,可在现有量子计算机上检验。
Matteo Tedde, Davide Girolami
arXiv
quant-ph
说明浅层QAOA在近对称优化问题上的容错成本
简介Montanaro与Zhou证明,深度为一的QAOA能以常数概率找到某些近对称约束满足问题的植入解。本文研究这类线路的容错实现成本:通过小角度Clifford+T旋转合成,每个线路的非Clifford成本可降至近似n²量级。但编译线路需要显式子句列表,而部分度为一的傅里叶系数可能泄露植入解的信息,作者也构造了二次非Clifford缩放与精确优化困难并存的问题族。
Jernej Rudi Fin\v{z}gar, Martin Leib, Elisabeth Wybo
arXiv
quant-ph
说明在星形网络拓扑上蒸馏 N 量子比特稳定子态
简介论文提出一种纠缠蒸馏协议,利用任意 [[n,k,d]] 稳定子码,把 n 份带 Pauli 噪声的 N 量子比特 GHZ 态转换为 k 份逻辑纠缠态。方案在星形网络上只需局部操作,可扩展到任意 N。数值实验显示,对 5 比特码、环面码和 [[144,12,12]] 双变量自行车码,在去极化率约 6% 及以上时,最终 GHZ 态保真度均优于直接发送裸 GHZ 态。论文还证明该协议适用于任意 N 量子比特 CSS 稳定子态。
Theodore M. Mahaffey, Chaohan Cui, Saikat Guha 等
arXiv
quant-ph
说明随机演化哈密顿量下的量子传感与哈密顿量学习
简介本文提出随机演化哈密顿量(SEH)的概念,即系数由随机微分方程支配的局域哈密顿量。作者讨论了这类对象的理论性质,并研究其哈密顿量学习问题,重新分析并扩展了 Huang-Tong-Fang-Su 协议。文中从理论上划分了海森堡极限能否保持的不同区域,并提出一些可能适用于类似量子信息处理场景的量子传感与哈密顿量模拟工具。
Kelvin Koor, Patrick Rebentrost