使用量子失配度量化 DQC1 模型中的量子相关性，并将其作为计算模型中资源特征的评价指标。

Sep, 2007

本文提出了一种噪声感知的局域操作和经典通信网络，通过参数量子电路来最大化平均保真度，提高量子纠缠的保真度，并相较于现有的无噪声通信协议有显著优势。

May, 2022

通过使用量子比特隧穿谱学，研究人员测量了一个量子退火器的能量本征谱，并证明在量子退火算法的关键阶段量子比特之间会不可避免地产生纠缠，且此纠缠能够在热环境下存在和持续。这表明量子退火技术为大规模量子计算提供了一种可行的途径。

Jan, 2014

提出一种用于量子态 “非经典性” 相关性表征 —— 量子失调的数学条件，提出其量化的几何方式并探讨其在量子通信和计算中的应用及局限性。

Apr, 2010

我们建立了一个利用随机生成的状态以无监督方式训练的神经网络来检测三比特系统中的相关性的机器学习模型。我们发现该检测器在区分弱量子相关性（量子异质性）方面比 in fact 原先预期的更好，并且它对于测量量子纠缠的状态的集合往往高估，对于测量量子异质性的状态集合则低估得更少。通过构建一个包含各种类型状态（纠缠状态和可分离状态，包括异质和非异质状态）的图表，我们说明了作为量子相关性的分类的状态的性质。我们发现，接近零的识别损失值与非异质可分离状态的形状在图表上高度吻合，特别是在考虑到此集合在图表上的非平凡形状时。我们精心设计了网络架构：它保留了可分离性，并且其输出在比特排列方面具有等变性。我们展示了架构的选择对于获得比仅使用部分迹操作的基线模型更高的检测准确性是重要的。

Jul, 2023

通过使用量子机器学习工具来优化参数化量子电路的局部处理，以最大化平均保真度和平均成功概率，提出了一种名为 Noise Aware-LOCCNet (NA-LOCCNet) 的方法，对于存在噪声的经典通信，该方法在量子信息处理中的量子纠缠和量子状态区分任务中具有显着优势。

Jul, 2022

本文利用相对熵作为相关性的距离度量，将总相关性在量子状态中分离成纠缠、不和谐和经典相关性，从而使所有相关性处于平等地位。 纠缠和不和谐联合成为所谓的量子不和谐，其中不和谐性的定义也是在本文中引入的。我们的方法完全适用于任意维度的多部分系统，并且研究了不同相关性之间的可加性关系，并显示不和谐可能存在于纯态多部分系统中。

Nov, 2009

使用超导体五比特处理器，对基于 oracle 的问题进行求解，经过实验验证，在现有的嘈杂系统中，量子计算机的查询次数明显比经典计算机少，这种差距会随着误差率和问题大小的增加而不断扩大，这证明了量子优势确实在现有的嘈杂系统中出现了。

Dec, 2015

利用小型光子量子计算机成功实现 2、4、8 维向量的有监督和无监督机器学习分类，这为利用量子计算机处理高维向量提供了新的可能性。

Sep, 2014

本篇论文旨在解除计算机科学家和其他非物理学家对于量子计算与传统计算之间的概念和符号障碍，介绍了量子计算基础原理、量子计算机威力的来源及其难以操纵的原因，描述了量子加密、量子纠缠、量子密集编码等各种量子并行算法，包括 Shor 算法、Grover 算法和 Hogg 算法，最后讨论了量子纠错。

Sep, 1998