模拟四维非弹性中子散射的量子硬件
本文介绍了一种硬件高效的可变量量子本征求解器，结合铁磁哈密顿量的紧凑编码和稳健的随机优化算法，在量子处理器上实现了六量子位哈密顿问题的实验优化，并将技术应用于一个量子磁学问题，其结果有助于阐明将该方法扩展到更大系统的要求，并致力于填补高性能计算前沿问题与其在量子硬件上实现之间的差距。
Apr, 2017
金属自旋玻璃体系的动力学模拟中，利用可扩展的机器学习框架通过预测驱动自旋动力学的电子诱导的局部磁场，发展了一种根据局部磁性环境进行磁性描述的神经网络模型，该模型具有很高的精确性和高效性，并应用于具有淬灭随机性质的杂乱非晶常规 s-d 模型的弛豫动力学研究，展示了机器学习模型在大规模动力学建模中对游离磁体的有希望的潜力。
Nov, 2023
介绍了利用类电子核自旋体系实现量子信息和计算，通过间接控制电子自旋解决核自旋响应速度慢的问题并实现了一系列量子门控制，成为了实现电子核自旋体系权威的证明。
May, 2019
该研究论文提出了一种利用电子自旋波在固体介质中编码量子位的方案，其中使用超导传输线腔体将自旋放置在其附近以实现耦合，并利用它们对量子辐射场的强耦合。可以通过在样品上施加梯度磁场来实现不同自旋波之间的转换，而共振超导电子配对盒则可以用于进行单比特和双比特门操作。
Mar, 2009
该研究讨论了利用人工神经网络编码量子多体波函数的方法，有效地模拟了二维空间中的量子物质的无平衡实时演化，并应用到横向场伊辛模型上，验证了该方法的准确性和可行性。
Dec, 2019
采用机器学习技术的量子态表示，成功地用最先进的计算方案识别了一个存在于自旋 - 1/2 平方晶矩阵上的自旋液体相，该相具有间隙分数化自旋 - 1/2 Dirac 型自旋子，与杯酸盐 d 波超导体的激发相似，揭示了一个未被探索的临界行为，并显示出用于探究量子多体物理的潜力。
May, 2020
开发了一种第一量子化深度神经网络技术，用于分析格上强耦合费米系统，利用深度残差网络和卷积残差块确定了最近邻相互作用方格点阵上自旋无粒子的基态，较小系统的结果与精确对角化结果比较一致，且具有很高的精度，可以在大系统中准确预测金属和电荷有序相之间的边界。
Jul, 2020
本研究介绍了一种方法，该方法利用由冷原子构成的可重构阵列与激发到 Rydberg 态的强相互作用相结合，创造了可控的多体量子物质，实现了可编程的 Ising 型量子自旋模型，提供了一种探索多体现象的程序可编程量子模拟器，并有望实现新的量子算法。
Jul, 2017