机器学习模型用于对大数据的模式识别分析，无需人工直接干预。无监督学习的任务在于寻找最能描述现有数据的概率分布，进而利用该分布对目标观测变量进行预测。经典模型通常将数据拟合至具有大量可调参数的哈密顿量玻尔兹曼分布。这…

该团队研究了双量子比特系统中关键量子关联的动力学特性——负性(NG)、量子失谐(QD)和量子记忆辅助熵不确定性(QM-EUR)——在外界脉冲及多种退相干通道（包括振幅阻尼(γₐₘₚ)、纯退相位(γdₑₚₕ)以及脉冲诱导退…

分布式架构是实现容错量子计算（FTQC）规模化拓展的重要途径，其能突破单一量子处理器的固有局限。该方案需通过高效转换大量存在噪声的物理贝尔态对来制备高保真逻辑贝尔态对。为实现分布式FTQC的实际应用，逻辑贝尔态对制…

理解大气湍流对纠缠双光子态传播的影响，对自由空间量子通信协议的实现至关重要。该团队基于扩展的惠更斯-菲涅耳原理和柯尔莫哥洛夫湍流模型，导出了通过自发参量下转换产生并分别经由湍流信道传输的信号光与闲置光场的联合密度算符解析…

针对旅行商问题（TSP）的等变量量子电路（EQC）已被证明仅需1层深度和两个参数即可在小型TSP问题（最多20个节点）上实现近最优解。然而，将EQC扩展到更大规模TSP仍面临挑战，原因包括量子电路模拟所需的指数级时间和内…

高维纠缠态在各类信息处理任务中相比低维态具有显著优势。然而要利用这些优势，用于存储或传输纠缠态子系统的量子信道不仅需保持纠缠特性，还必须将维度维持在特定阈值之上。信道能够维持的最大纠缠维度被称为其“有效维度”——因为该信…

经典阴影层析成像提供了一条可扩展的路径来估算量子态特性，但由于统计噪声和硬件噪声，由此产生的约化密度矩阵（RDMs）常常违反能表征N电子态的约束条件——即N可表示性条件。该研究团队提出了一种基于半定规划的相关纯化框架，用…

该研究团队证明，任意Petz f-散度（其中f为算子凸函数）在量子态间均具有普适的χ²混合表示：ρ态与σ态的可区分性可通过二次对比度χ²λ的非负权重叠加获得，权重系数wf(λ)由生成元f的勒夫纳-斯蒂尔捷斯表示显式…

量子信道分辨与估计的目标，是分别从离散或连续集合中确定未知信道的特性。这些任务的查询复杂度等于在误差概率满足预设阈值条件下，识别未知信道所需调用的最少次数。该研究团队在并行和自适应访问模型中，建立了信道分辨与估计查…

该研究团队提出了针对旋转表面码和环面码稳定子码哈密顿量的混合吉布斯采样算法，仅需采用局部量子算法即可实现：使用约L/2量子电路深度制备旋转表面码哈密顿量的吉布斯态，以及L量子电路深度制备环面码哈密顿量的吉布斯态（其…