该研究团队提出了一种通用量子计算门集，能在退相干环境下运行且无需量子纠错的开销。受噪声操纵技术最新进展的启发，研究者证明通过“修饰变换”可解耦各类各向异性量子比特-环境耦合，从而生成系统-环境纠缠的资源基态。当计算在该基态初始化时，其演化过程将如同不存在退相干效应。该方案通过利用部分可调的系统-环境耦合，为需要量子纠错的系统提供了灵活替代方案。

相比已被广泛研究的泡利错误，相干错误在量子计算和量子纠错（QEC）领域带来了若干新挑战。例如，在长线路运行时，相干错误可能产生建设性干扰，导致整体故障率显著高于泡利噪声。此外，目前尚无理论能证明拓扑编码在相干错误下的阈值存在性。更棘手的是，由于相干错误在克利福德线路中的效应无法被经典计算机高效模拟，其量子纠错性能甚至连数值估算都极为困难。本工作证明，量子态传…

随着量子信息技术的快速发展，量子网络已成为支撑各类应用的关键基础设施，这些应用通常对保真度和请求完成时间等关键指标有着严格要求。该工作提出了一种兼容现有三种量子中继技术的早期量子网络设计方案，旨在最大程度提升网络满足量子应用多样化需求的能力——即使在量子资源有限、网络性能欠佳的条件下。研究团队详细阐述了量子网络中所需的标识符体系及实现量子请求的具体流程…

快速精准的量子纠错（QEC）解码是可扩展容错量子计算的关键。虽然“最大可能误差”（MLE）解码接近最优解，但在通用量子低密度奇偶校验（qLDPC）码上难以实现，通常依赖近似和启发式方法。该研究团队提出HyperBlossom框架，将MLE解码转化为“最小权重奇偶因子”（MWPF）问题，并通过具有可证明邻近边界的原始-对偶线性规划模型，将blossom算法推广…

量子云计算使远程访问量子处理器成为可能，然而现有量子硬件的异构性和噪声特性为高效资源编排带来了重大挑战。这些问题导致量子任务分配与调度的优化变得复杂，因为现有启发式方法难以适应动态条件或有效平衡执行保真度与时间成本。该研究团队提出QFOR框架——一种基于深度强化学习的量子保真度感知型任务编排系统，用于云环境下异构量子节点的协同调度。研究人员将量子任务编排建模…

该研究团队研究了二维晶格上足够大正方形区域内孤立普适谐振子集合U中两个相邻子集间的纠缠指标，包括对数负性（LNs）和互信息（MIs）。首先，研究人员验证了先前采用周期性边界条件（PBCs）研究中提出的π/2、π/4、3π/4角度转角函数值。通过LNs获得的各转角函数值与既往研究基本吻合，而MIs方法在3π/4角度下的计算结果与LNs所得值存在显著差异。随后，…

时间序列预测在数据敏感性至关重要的领域（如金融和能源系统）中极为关键。虽然差分隐私（DP）通过理论保障保护个体数据贡献，但其集成（尤其是通过DP-SGD）常因注入噪声而损害模型性能。本文提出Q-DPTS——一种用于量子差分隐私时间序列预测的混合量子-经典框架。该框架将变分量子电路（VQCs）与逐样本梯度裁剪及高斯噪声注入相结合，确保严格的(ϵ, δ)-差分隐…

量子比特提纯的目标是将多个未知纯量子态的噪声副本进行组合，以获取一个或多个更接近纯态的副本。研究表明，仅基于随机SWAP测试的简单协议即可达到与最优施尔变换（Schur transform）相同的保真度。该协议仅依赖对双量子比特进行SWAP测试这一基本操作——通过将量子比特对投影到单重态或三重态子空间来识别并分离单重态对，而后对剩余量子比特继续处理。…

该研究团队研究了局部操作与经典通信（LOCC）框架下的多方量子序列判别问题，并提出了一种条件——在该条件下，多方量子序列集合的最优LOCC判别可分解为对各独立集合的判别。换言之，只需在量子序列的每个步骤中独立执行最优LOCC判别，即可实现整个多方量子序列集合的最优判别。研究人员通过多方量子态的具体实例证明，这种最优LOCC判别的可分解性是存在的。该工作进一步…

量子计算在医疗领域具有变革性潜力，但如何从复杂的医疗数据中高效制备量子态仍是一项基础性挑战。本综述全面考察了当前将医疗信息编码至量子系统的各类方法，包括理论原理、算法进展与实际局限性分析。研究重点探讨了张量网络分解、变分量子算法、量子机器学习技术，以及针对医疗计算的专用误差缓解策略。研究结果表明，量子计算在医学领域的优势依赖于对固有数据结构的有效利用，如影像…