- 基于浅影的稳健高效量子属性学习演示
我们提出了鲁棒的浅阴影协议,在实验中正确恢复了状态属性,如期望值、保真度和纠缠熵,同时维持了比随机单量子比特测量方案更低的样本复杂性。
- 量子态重构的量子机器学习方法
我们提出将量子机器学习技术与量子态测量 (QST) 相结合,以提高 QST 的效率,通过综合研究了 QST 的多种方法,并实现了不同的量子机器学习方法,并在各种模拟和实验量子系统上展示了其有效性,包括多量子比特网络,结果表明,我们基于量子机 - 玻色变分量子电路中的能量依赖性贫瘠高原
文中提出,针对光学系统中的信息处理,分析了连续变量 Bosonic 量子变分电路(VQCs)中的训练问题,发现其学习难度受到电路能量的影响,提出了一种能够减轻训练难度的方法。
- 基于局部操作和嘈杂经典通信的分布式量子协议的量子机器学习
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 - MM机器学习与量子设备
简单介绍了神经网络和深度学习的基础知识,以及它们在量子领域中的应用,重点关注于强化学习和量子信息处理机对机器学习加速的应用。
- 集成光子量子技术
本文综述了集成光子量子技术 (材料、器件和功能) 的进展以及其在芯片应用方面的相关表现,包括安全的量子通信、量子物理和化学系统的模拟、Boson 采样以及线性光子量子信息处理等领域,为未来量子技术的实现提供了创新的平台。
- SNAP 门驱动的高效腔控制
本文介绍了一种新颖的方法来实现微波腔的通用控制,采用了一种层次结构策略来插入新的门到序列中,并且进行控制参数的协同优化,生成短的高保真度序列。对于广泛的实验应用,只需要使用 3 到 4 个 SNAP 门即可实现,而之前的方法需要 50 个门 - 硅芯片间的量子隐形传态和多光子纠缠
该研究在硅芯片中实现了真正的多方纠缠和量子隐形传态,为量子计算和通信的可扩展芯片内多光子技术打下了基础。
- 利用光子的全场空间模式实现高维量子门
本研究展示了一种多平面光转换的方法,利用它可以通过小于等于模式数量的相位调制平面进行多样式的酉变换。研究还在光的全场模态结构上实现了高达 5 维的高维量子门,并演示了它们在量子通信、计算和传感方案中的应用。
- MM量子光学神经网络
提出了量子光学神经网络(QONN)的概念,并利用集成量子光子学等技术,通过数值模拟和分析培训 QONN,可执行一系列量子信息处理任务,包括压缩、强化学习、黑盒量子模拟等,并展示了其泛化数据的能力。结果表明 QONNs 是量子光学系统的有力设 - 光子量子信息处理综述
本文全面回顾了光子量子技术的现状,特别关注了单光子的优点及其在量子信息处理,远距离通信,复杂现象仿真等领域的广泛应用和最新技术进展。
- 量子态辨别及其应用
本综述旨在提供关于量子态判别的概述,涵盖最近的进展以及在一些选定主题中的应用,并展示基本结果在应用中的利用方式及反之,以加强量子态判别和量子信息应用结果之间的联系。
- MM改进的随机迹估计方法:基于互不偏的基底
使用互不偏基的基向量作为寻味向量,以估计矩阵迹,要求生成每个向量仅需 O (log (n)) 个随机比特,从而显著地提高了单次采样方差,同时也改进了传统方法。
- 利用投影模拟在不断变化的环境中的自适应量子计算
本文研究如何通过智能代理和投影模拟器适应外部杂波对基于测量的量子计算进行干扰,以及在 Grover 搜索算法中纠正杂散场,为基于智能代理的自适应控制器提供了一种解决量子信息任务的路径。
- 不需用态演化重构实现的量子设备实用表征
本篇论文提出基于更直接与目的相关的方法,以估算实验测得数据与理论模型的接近程度,与确定实验数据匹配的理论模型,避免了量子系统规模上限问题,从而为更大规模量子信息处理单元的实验研究提供了便利。
- 利用先验部分信息的实验量子克隆
本文报道了第一次实验最优量子态相关克隆,并利用核磁共振技术实验验证了当存在关于待克隆状态的部分先验信息时,可以实现高于通用量子克隆的克隆保真度和与克隆保真度的有趣关系,该研究对于许多量子信息处理协议有重要的影响。
- 纯态和混合态最优无歧视判别的光学实现
本文介绍了采用广义测量的方法在光学系统中实现了非正交状态之间的最优非二义性区分,并展示了纯态和非正交混合态之间的非二义性区分的第一实现。
- 量子数据处理与纠错
该论文研究噪声量子信息通道的特性,定义了一种称为 ' 相干信息 ' 的新量来衡量在噪声通道中传递的量子信息。这种量无法通过量子信息处理增加,它提供了一个简单的必要和充分条件来证明完美的量子纠错存在。