- 利用量子计算推断生物和人工神经网络的动态行为
利用 Grover 和 Deutsch-Josza 两个基础量子算法，研究如何通过输出测量来推断在一定时间内，简单的神经网络（适用于生物和人工网络）是否会继续支持动态活动，或者其动态是否会停止。
- 不变量和等变量的经典与量子图神经网络比较
机器学习算法、图神经网络、量子计算、等变图神经网络和二元分类任务是本文的关键词和研究主题。
- Nav-Q：自动驾驶汽车无碰撞导航的量子深度强化学习
本研究提出了 Nav-Q，首个融合量子计算的深度强化学习（Deep Reinforcement Learning）算法，用于自动驾驶车辆的无碰导航（collision-free navigation）问题。通过量子计算方法提高训练性能，无需 - QAL-BP: 增广拉格朗日量子方法用于装箱问题
QAL-BP 是一种用于解决装箱问题的新型二次无约束二值优化（QUBO）方法，利用增广拉格朗日方法将装箱约束融入目标函数中，同时为启发式罚函数提供了分析估计，通过在实际量子退火设备上进行实验，结果表明量子计算在解决装箱问题上的潜力，特别是在 - 混合量子神经网络的深度强化学习
本研究旨在探究基于门型量子计算机的参数量子电路，通过集成最新的 Qiskit 和 PyTorch 框架，与纯经典深度神经网络进行比较，评估其在模型非自由强化学习问题中的潜力，以及在解决迷宫问题或其他强化学习问题方面、深度量子学习的前景。
- 具有 SU ($d$) 对称性的等变量子机器学习算法的超指数量子加速
本研究提出了基于不同 SU (d) 对称性物理系统的 equivariant convolutional algorithms 框架，它能够增强量子计算模型，如 permutational quantum computing (PQC)，定 - 量子计算概述：离散与连续变量模型
论文探讨了基于离散变量模型和基于连续变量模型的超导量子处理器和线性光学（光子学）量子处理器的量子计算，其中 CV 模型提供了不同于离散变量模型的更多量子门，同时提供了控制量子电路输出向量长度、使用不同测量方法以及截止维度的额外灵活性。
- 迭代量子退火贪婪参数优化
本研究提出了一种简单的过程以变量确定具有 $y$ 轴方向场的横场伊辛模型中的参数集，该方法通过短退火过程的输出对 $y$ 场项系数的符号进行贪婪优化，通过测试，我们发现该方法表现优于传统量子退火和模拟退火，特别是在更短的冷却时间下，提高了解 - AAAI多臂赌博机的量子探索算法
文章研究了一个量子计算版本的多臂老虎机问题，使用相干的 Oracle 访问状态，用 amplitudes 编码每个臂的奖励概率。特别地，作者提出了一种基于可变时间幅度放大和估计，用 Θ(| 根号 (n)| 乘以 | 根号 ∑_i=2^n - 量子神经网络的容量
通过解析量子神经网络的存储容量 (C)，研究其表达能力和参数化方式，我们发现，使用经典方式参数化的 QNN 与经典 NN 相比，在存储容量上没有优势；但使用量子状态参数化的 QNN 可以有指数级的存储容量，并提供了数值实验和理论结果。
- 浅层梯度测量可以提高变分混合量子 - 经典算法的收敛性
本文介绍了一种基于低深度梯度测量和随机梯度下降的变分算法，可以在黑盒优化模型中显著更快地收敛于优解，而且在某些情况下，该算法使用梯度测量比基于估计目标函数本身的策略具有更快的收敛速度，这种算法可以在量子计算、优化和测量等领域发挥重要作用。
- MM量子计算时代的量子化学
通过量子计算的方法，操作物质的量子状态，利用其独特特征（例如叠加和纠缠）可以高效准确地模拟许多重要的量子化学问题，本文概述了与量子化学相关的算法和结果，并旨在为既想了解量子计算的量子化学家，也想探索量子化学应用的量子计算研究人员提供参考。
- 强化学习解码器用于容错量子计算
本文采用深度 Q 学习等方法，通过重复交互训练解码器和编码器，解决了表面码的复杂错误纠正问题。
- 量子计算在金融领域的概述与前景
讨论了如何将量子计算应用于金融问题，包括量子优化算法、深度学习在金融中的应用和基于量子放大估计的蒙特卡罗采样算法，这些方法可以用于优化投资组合、发现套利机会、进行信用评分、定价金融衍生品和风险分析，最后提出了展望和建议。
- 量子资源理论
本文综述了量子资源理论的一般框架和常见结构特征、操作任务和资源度量，在文献中还提供了一些更常见的研究。
- 连续变量量子信息集成光子平台
利用微型波导电路，我们展示了在单个器件上实现非经典光的生成、操纵和同震检测的过程，这对于连续变量量子信息的完全集成是一个关键步骤。我们提出了一个动态可重构的锂铌波导网络来生成和表征压缩真空和两模态纠缠态，用于量子通信和计算协议的关键资源。其 - 基于神经网络的量子反馈强化学习
本研究展示了利用神经网络强化学习在量子纠错任务中独立发现量子纠错策略的能力，并提出了包括二阶段学习和反馈优化在内的策略。这项工作不仅在量子计算方面具有重要作用，还显示了神经网络强化学习在物理学领域的潜力。
- 量子机器学习：经典视角
通过回顾机器学习中的量子计算文献，研究了量子算法的限制、与传统经典算法的比较，以及为什么期望量子资源能够提供学习问题的优势，而在存在噪声和某些计算困难的问题中，量子计算令人期待的路线。
- 利用稀疏嘈杂的交错量子计算实现量子霸权
该文主要研究 IQP 电路的量子计算和经典模拟问题，探究在有误差和噪声存在时的处理方法和纠错技术。
- 量子信号处理实现最优哈密尔顿模拟
通过简单的单量子比特旋转，优雅地提供了哈密顿模拟的一种最优算法，用以理解和设计许多量子算法，特别是物理系统的模拟。