研究主线
算法、模拟、优化、机器学习与资源估计
36 条精选近 30 天 30 条共收录 221 条
Zecheng Li和Chunhao Wang提出一种模拟d稀疏厄米哈密顿量的量子算法；当tΛ≥1/2时，以O(tΛ√d+√d log(2/ε))次稀疏预言机查询实现算子范数误差ε，消除了Low算法中的次多项式开销。
本站判断：该研究针对稀疏厄米哈密顿量模拟中的查询复杂度与精度开销，给出对最大列欧几里得范数具有最优依赖的算法；在适用参数范围内达到最坏情形下界。依据仅为论文摘要，实际查询复杂度还取决于稀疏预言机实现、态制备方式及门数换算。本站设想：可在相同稀疏访问模型和精度要求下，比较该算法与Low算法及经典稀疏矩阵方法的总查询与门成本。
Chandrima Kayal、Sayantan Sen 和 Dániel Szabó 在基于论文摘要的研究中证明了双图性与扩张性测试均需要 \widetilde{\Omega}(N^{1/3}) 次量子查询。该结果将两类问题在多项式对数因子意义下的量子查询复杂度刻画为近似最优，方法依赖中间问题、归约以及对多项式的更精细分析。
本站判断：基于论文摘要，该研究将双图性和扩张性测试的量子查询下界推进至近似紧的 \widetilde{\Omega}(N^{1/3})，从而在多项式对数因子意义下刻画了两类问题的量子查询复杂度。证明通过引入与原问题相互归约的中间问题，并更精细地分析相关多项式；其影响主要针对量子查询模型，不直接涉及具体硬件实现。
基于论文摘要，作者证明了任意n量子位Werner态对在所有二分分割均满足PPT的测量下，区分偏置为O(n²/d)，并给出达到该标度的显式态对。由此，固定安全水平下认证隐藏范围从n=O(d^¼)扩展至n=，该界还推出某些非平凡幺正不变量性质在自适应单次测量下需要Ω(√d)份样本。
本站判断：基于论文摘要，该工作为多方Werner态量子数据隐藏给出了随参与方数量和局域维度的紧致普适界：在每个二分分割均满足PPT的测量下，区分偏置为O(n²/d)，并由显式Werner态对达到该尺度。由此，作者报告固定安全水平下可将认证隐藏范围从n=O(d^¼)扩展到n=，同时得到非平凡幺正不变量性质在自适应单次测量下需要Ω(√d)份样本的推论；具体证明与适用条件仍限于当前摘要。
Amir Arqand、Srijita Kundu 和 Ernest Y.-Z. Tan 提出一种通用编译器，可将满足条件的、使用可信态制备的依赖设备协议转换为顺序式设备无关协议。作者将该方法用于不可克隆加密、点函数拷贝保护和盲随机性扩展，并基于Rényi散度刚性定理实现每次设备使用容忍常数噪声的常数速率。
本站判断：该研究提出将依赖设备的可信态制备协议编译为顺序式设备无关协议的通用方法，并应用于不可克隆加密、点函数拷贝保护和盲随机性扩展。作者基于Rényi散度建立新的刚性定理，在每次设备使用容忍常数噪声的同时实现常数速率；无记忆设备情形还改进了速率。材料仅提供摘要，通用编译器适用条件、具体速率及安全参数仍需结合全文核对。
研究团队提出量子局部坐标线性（LCL）框架，研究嵌套空间中的物理秩与逻辑秩，并据此给出随机CSS码的阈值定理，得出各扇区速率阈值等于经典速率阈值。基于该框架，作者进一步声称构造了具有最优列表规模的显式量子列表可解码码、列表可恢复码和量子子空间设计码；这些构造均为qLDPC码。
本站判断：基于论文摘要，作者将局部坐标线性约束扩展到嵌套空间，区分物理代表上的秩与商空间中的逻辑秩，并据此建立随机CSS码阈值定理及量子子空间设计框架。材料还声称获得了具有最优列表规模的显式量子列表可解码码、列表可恢复码和qLDPC构造，但当前仅有摘要，尚未说明完整证明细节、参数范围与独立验证情况。
基于论文摘要，作者证明对于双量子比特，Haar 意义下几乎所有酉变换都无法通过有限维纠缠资源和单轮同时量子通信实现精确的非局域量子计算，即使资源和局域操作可针对目标定制。固定架构只能覆盖有限个局部酉轨道，所有架构的并集也仅形成可数个轨道；此外，当相位为超越数时，受控相位变换不能实现精确协议，Haar 随机基中的秩一投影测量也几乎必然无法由有限维资源局域化。
本站判断：该研究揭示了非局域量子计算精确实现能力的结构性限制：固定架构只能覆盖有限个局部酉轨道，所有架构的并集也只有可数个轨道。作者还给出超越数相位目标与局域化测量不可实现的例子；其结论范围以有限维纠缠资源、单轮同时量子通信及摘要所述协议设定为界。
Dorian Rudolph等提出玻色能量守恒量子计算模型BEQC，规定能量仅由输入相干态提供、所有门由能量守恒哈密顿量生成，从而排除计算过程中的剧烈能量增长。
本站判断：论文提出BEQC玻色量子计算模型，以输入相干态供能并限制所有门由能量守恒哈密顿量生成，从模型层面排除剧烈能量增长，并据此建立计算能力、复杂度上界、通用门集和态制备方面的理论结果。基于摘要，关键影响取决于多项式能量与精度设定下对既有模型的模拟范围，以及相关定理和协议的完整证明；当前材料仅提供摘要，未说明实现与验证细节。本站设想：可在相同能量、精度和空间参数下比较BEQC与既有玻色模型的资源开销。
Libor Caha、Robert Koenig和Louis Paletta在论文摘要中提出一种复杂度分离问题：在二维局部随机噪声低于常数阈值时，即使量子电路存在不完美实现，也能以高概率正确求解；而无噪声、几何无约束的常数深度AC0电路无法以常数概率解决某些实例。作者称这是首个适用于平面量子器件、包含抗噪性且不依赖复杂性理论假设的分离结果，实验实现仍属后续方向。
本站判断：该工作给出面向二维局部量子器件的无条件复杂度分离：在局部随机噪声低于常数阈值时，问题仍可由有噪电路以高概率求解，而部分实例会使任意多项式规模的AC0电路以常数概率失败。当前证据来自论文摘要中的理论主张，尚非实验验证；其实际意义取决于噪声阈值、局部性约束和问题实例构造。
Sandia National Laboratories 开发 QUOPS 量子通用运算性能系统，用于统一衡量物理比特与逻辑比特系统的性能，Quantinuum 和 NVIDIA 参与输入。
本站判断：QUOPS把随机电路成功阈值、计算规模与速率纳入统一能力区域，可用于比较不同架构的系统级表现。
Quantinuum团队在System Model H2上运行数千个电路，实验验证补采样游戏中量子策略相对经典策略的可证明优势，相关成果发表于《Nature Communications》。该测试不依赖纠缠或经典计算困难度假设，经典系统可高效验证其是否违反性能上界，实验得分接近理论预测。作者同时指出，实现依赖输入状态制备假设，结果仍需谨慎解读。
本站判断：该实验将可高效验证的经典性能上界与H2实测结合，为判断设备是否展现非经典能力提供更直接的验证思路。
AWS与JPMorganChase合作提出面向近端量子硬件的组合优化分解流程、Rydberg原子阵列编译工具和混合算法qReduMIS。实验显示，分解流程可将真实投资组合优化问题规模降低约80%，并在最多1500个变量的问题上实现3倍求解时间缩短；qReduMIS在Amazon Braket上使用QuEra Aquila设备进行最多231量子比特的实验，困难实例平均成功率超过约89%。
本站判断：三项研究把组合优化分解、硬件编译与量子经典协同串成工具链，并报告真实设备实验指标，便于比较近端量子优化方案。
研究团队将基于经典密度泛函理论的材料能量模型映射到QuEra Aquila中性原子量子硬件，用量子退火采样氮掺杂石墨烯的热力学状态。在28位点系统上通过穷举将有效温度校准为41μK，在78位点系统上与无偏蒙特卡洛比较，并展示通过4.0、4.5和5.0微米原子间距调节有效温度。该工作是概念验证，QPU每个数据点运行1000次，最终仅保留初始构型完全占据的运行。
本站判断：以小规模穷举和经典蒙特卡洛作为基线，给出中性原子量子退火用于无序材料热力学采样的概念验证。
Microsoft发布QDK v1.30.0和QDK for chemistry v2.0.0，引入分层、可组合的开源资源估计器，并增强量子程序模拟能力。资源估计器支持Q#、Cirq、OpenQASM、QIR及逻辑计数，可组合应用、硬件架构与纠错模型，计算物理比特数、运行时间和累积误差并生成帕累托最优配置。
本站判断：把应用、架构与纠错模型解耦，可直接比较不同量子硬件和纠错方案的物理比特与运行时间权衡。
AWS、LBNL、NASA与NVIDIA研究人员发布量子与经典工作流性能模型，以通信计算比判断低延迟紧耦合是否必要。模型区分实时控制与量子纠错所需低延迟，以及应用层工作流通信；前者必须跟上设备时序，使用逻辑比特时也需要高性能经典计算。
本站判断：将实时控制与工作流通信分层，并以通信计算比分析SQD、GQE和QE-MCMC，为混合架构选型提供定量依据。
PennyLane 0.45.0 发布，新增 SumOfSlatersPrep 稀疏态制备、QSVT 角度求解器和资源估计模板，并提供图分解规则及路径检查工具。该版本还增强 qjit 工作流的 specs、标记和电路图检查能力；Iterative-Optax QSVT 求解器需要安装 optax，NumPy 支持升级为 2.0 或更高版本。
本站判断：新增态制备、分解检查和资源估计能力，覆盖量子算法开发与编译流程，便于定位实现成本和资源开销。
NVIDIA 发布 cuQuantum SDK v25.11，新增 cuPauliProp 和 cuStabilizer，用于在 GPU 上加速 Pauli 传播与稳定子模拟。
本站判断：文章给出两类大规模量子模拟的 GPU 用法、代码示例与 CPU 基线，帮助理解新增组件的适用范围和性能入口。