可微掩码学习SNAP门稀疏相位以降低qudit态制备成本
热点事件持续更新
可微掩码学习SNAP门稀疏相位以降低qudit态制备成本
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Marco Pennazio 等在 arXiv 论文中提出一种可微掩码方法，在 bosonic qudit 的 SNAP–Displacement 态制备序列中同时学习所需 Fock 能级相位的位置和数值，用稀疏惩罚去除不必要相位，并以温度退火将掩码逐步转为二值决策，从而降低态制备成本。 作者在 Fourier 和 Haar 随机目标态上与全参数化及预定义稀疏 ansatz 进行了比较，并称优势取决于目标态和 qudit 维度。
AI 根据报道生成 · 3 小时前更新
最新进展10月16日 12:00
通过学习 SNAP 门稀疏结构降低 qudit 态制备成本报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv · quant-ph通过学习 SNAP 门稀疏结构降低 qudit 态制备成本
研究提出一种可微掩码方法，在 bosonic qudit 的 SNAP–Displacement 序列中同时学习所需 Fock 能级相位的位置和数值，并以稀疏惩罚与温度退火逐步确定相位。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月16日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:0017:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。