Ajuste de modelos de ruido cuántico a datos de tomografía

Reeditado por Platón

seguidores: 0

Resumen

La presencia de ruido es actualmente uno de los principales obstáculos para lograr la computación cuántica a gran escala. Las estrategias para caracterizar y comprender los procesos de ruido en el hardware cuántico son una parte fundamental para mitigarlo, especialmente porque la sobrecarga de la corrección total de errores y la tolerancia a fallas está fuera del alcance del hardware actual. Los efectos no markovianos son un tipo de ruido particularmente desfavorable, ya que son más difíciles de analizar utilizando técnicas estándar y más difíciles de controlar mediante la corrección de errores. En este trabajo desarrollamos un conjunto de algoritmos eficientes, basados en la rigurosa teoría matemática de las ecuaciones maestras de Markov, para analizar y evaluar procesos de ruido desconocidos. En el caso de una dinámica consistente con la evolución markoviana, nuestro algoritmo genera el Lindbladian de mejor ajuste, es decir, el generador de un canal cuántico sin memoria que mejor se aproxima a los datos tomográficos dentro de la precisión dada. En el caso de la dinámica no Markoviana, nuestro algoritmo devuelve una medida cuantitativa y operativamente significativa de la no Markovianidad en términos de adición de ruido isotrópico. Proporcionamos una implementación en Python de todos nuestros algoritmos y los comparamos con una variedad de ejemplos de 1 y 2 qubits de datos de tomografía ruidosa sintetizados, generados utilizando la plataforma Cirq. Los resultados numéricos muestran que nuestros algoritmos logran extraer una descripción completa del Lindbladian que mejor se adapta a la dinámica medida y calcular valores precisos de no Markovianidad que coincidan con los cálculos analíticos.

Imagen de portada: Extracción del generador Lindblad de mejor ajuste a partir de datos tomográficos de un canal cuántico.

Resumen popular

Las computadoras cuánticas ofrecen la posibilidad de realizar ciertas tareas mucho más rápido que sus contrapartes clásicas, como la simulación de materiales, problemas de optimización y física fundamental. Sin embargo, las computadoras cuánticas son muy susceptibles a errores: si no se toman medidas para lidiar con el ruido en los dispositivos de computación cuántica, los errores rápidamente inundarán el cálculo que se está llevando a cabo. Por tanto, los métodos para caracterizar y comprender los procesos de ruido en dispositivos cuánticos son cruciales. En este artículo desarrollamos algoritmos eficientes para caracterizar procesos de ruido en dispositivos de computación cuántica, basados en técnicas experimentales estándar. Estos algoritmos toman el resultado de estos experimentos y proporcionan una descripción del proceso físico subyacente que mejor se ajusta a los datos experimentales. El conocimiento de estos procesos físicos puede ayudar a los ingenieros a comprender el comportamiento de su dispositivo y ayudar a las personas que los utilizan a diseñar algoritmos cuánticos que sean resistentes a los tipos de ruido más frecuentes en el dispositivo.

► datos BibTeX

@article{Onorati2023fittingquantumnoise, doi = {10.22331/q-2023-12-05-1197}, url = {https://doi.org/10.22331/q-2023-12-05-1197}, title = {Fitting quantum noise models to tomography data}, author = {Onorati, Emilio and Kohler, Tamara and Cubitt, Toby S.}, journal = {{Quantum}}, issn = {2521-327X}, publisher = {{Verein zur F{“{o}}rderung des Open Access Publizierens in den Quantenwissenschaften}}, volume = {7}, pages = {1197}, month = dec, year = {2023} }

► referencias

[ 1 ] John Preskill. “Computación cuántica en la era NISQ y más allá”. En: Quantum 2 (2018), pág. 79. https:///doi.org/10.22331/q-2018-08-06-79.
https://doi.org/10.22331/q-2018-08-06-79

[ 2 ] Jens Eisert et al. “Certificación y benchmarking cuántico”. En: Nature Reviews Physics 2 (7 2020), págs. 382–390. https:///doi.org/10.1038/s42254-020-0186-4.
https://doi.org/10.1038/s42254-020-0186-4

[ 3 ] G. Lindblad. “Sobre los generadores de semigrupos dinámicos cuánticos”. En: Com. Matemáticas. Física. 48.2 (1976), págs. 119-130. https:///doi.org/10.1007/BF01608499.
https: / / doi.org/ 10.1007 / BF01608499

[ 4 ] Vittorio Gorini, Andrzej Kossakowski y E. C. G. Sudarshan. “Semigrupos dinámicos completamente positivos de sistemas de nivel N”. En: Revista de Física Matemática 17.5 (1976), págs. 821–825. https:///doi.org/10.1063/1.522979.
https: / / doi.org/ 10.1063 / 1.522979

[ 5 ] Barbara M. Terhal y Guido Burkard. "Cálculo cuántico tolerante a fallos para ruido local no markoviano". En: Revisión física A 71.1 (2005). https:///doi.org/10.1103/physreva.71.012336.
https: / / doi.org/ 10.1103 / physreva.71.012336

[ 6 ] Dorit Aharonov, Alexei Kitaev y John Preskill. "Computación cuántica tolerante a fallas con ruido correlacionado de largo alcance". En: Cartas de revisión física 96.5 (2006). https://doi.org/10.1103/physrevlett.96.050504.
https: / / doi.org/ 10.1103 / physrevlett.96.050504

[ 7 ] Hui Khoon Ng y John Preskill. "Computación cuántica tolerante a fallos versus ruido gaussiano". En: Revisión física A 79.3 (2009). https:///doi.org/10.1103/physreva.79.032318.
https: / / doi.org/ 10.1103 / physreva.79.032318

[ 8 ] M. M. Wolf, J. Eisert, T. S. Cubitt y J. I. Cirac. "Evaluación de la dinámica cuántica no markoviana". En: Física. Rev. Lett. 101 (15 de 2008), pág. 150402. https://doi.org/10.1103/PhysRevLett.101.150402.
https: / / doi.org/ 10.1103 / PhysRevLett.101.150402

[ 9 ] GW Stewart y Ji-guang Sun. Teoría de la perturbación matricial. Prensa académica, 1990.

[ 10 ] https:///github.com/quantumlib/Cirq.
https: / / github.com/ quantumlib / Cirq

[ 11 ] Ángel Rivas, Susana F Huelga y Martín B Plenio. “No Markovianidad cuántica: caracterización, cuantificación y detección”. En: Informes sobre el progreso en física 77.9 (2014), pág. 094001. https://doi.org/10.1088/0034-4885/77/9/094001.
https://doi.org/10.1088/0034-4885/77/9/094001

[ 12 ] Carole Addis, Bogna Bylicka, Dariusz Chruscinski y Sabrina Maniscalco. "Estudio comparativo de medidas de no Markovianidad en modelos de uno y dos qubits con solución exacta". En: Física. Rev. A 90 (5 2014), pág. 052103. https:///doi.org/10.1103/PhysRevA.90.052103.
https: / / doi.org/ 10.1103 / PhysRevA.90.052103

[ 13 ] Li Li, Michael J.W. Hall y Howard M. Wiseman. “Conceptos de no Markovianidad cuántica: una jerarquía”. En: Informes de Física 759 (2018). Conceptos de no Markovianidad cuántica: una jerarquía, págs. 1 –51. https:///doi.org/10.1016/j.physrep.2018.07.001.
https: / / doi.org/ 10.1016 / j.physrep.2018.07.001

[ 14 ] Dariusz Chruscinski y Sabrina Maniscalco. “Grado de no markovianidad de la evolución cuántica”. En: Física. Rev. Lett. 112 (12 de 2014), pág. 120404. https:///doi.org/10.1103/PhysRevLett.112.120404.
https: / / doi.org/ 10.1103 / PhysRevLett.112.120404

[ 15 ] Michael M. Wolf y J. Ignacio Cirac. “División de canales cuánticos”. En: Comunicaciones en Física Matemática 279 (1 2008), págs. https:///doi.org/147/s168-10.1007-00220-y.
https: / / doi.org/ 10.1007 / s00220-008-0411-y

[ 16 ] S. C. Hou, X. X. Yi, S. X. Yu y C. H. Oh. “Medida alternativa de no Markovianidad por divisibilidad de mapas dinámicos”. En: Física. Rev. A 83 (6 2011), pág. 062115. https:///doi.org/10.1103/PhysRevA.83.062115.
https: / / doi.org/ 10.1103 / PhysRevA.83.062115

[ 17 ] Simon Milz, M. S. Kim, Felix A. Pollock y Kavan Modi. "Divisibilidad completamente positiva no significa markovianidad". En: Física. Rev. Lett. 123 (4 2019), pág. 040401. https://doi.org/10.1103/PhysRevLett.123.040401.
https: / / doi.org/ 10.1103 / PhysRevLett.123.040401

[ 18 ] Toby Cubitt, Jens Eisert y Michael Wolf. "La complejidad de relacionar canales cuánticos con ecuaciones maestras". En: Comunicaciones en Física Matemática 310 (2 2009), págs. 383–418. https:///doi.org/10.1007/s00220-011-1402-y.
https: / / doi.org/ 10.1007 / s00220-011-1402-y

[ 19 ] Johannes Bausch y Toby Cubitt. “La complejidad de la divisibilidad”. En: Álgebra lineal y sus aplicaciones 504 (2016), págs. 64-107. https:///doi.org/10.1016/j.laa.2016.03.041.
https: / / doi.org/ 10.1016 / j.laa.2016.03.041

[ 20 ] Ángel Rivas, Susana F. Huelga y Martín B. Plenio. “Enredo y no markovianidad de las evoluciones cuánticas”. En: Cartas de revisión física 105.5 (2010). https:///doi.org/10.1103/physrevlett.105.050403.
https: / / doi.org/ 10.1103 / physrevlett.105.050403

[ 21 ] Kang-Da Wu et al. "Detección de la no Markovianidad mediante la coherencia cuantificada: teoría y experimentos". En: npj Quantum Information 6 (1 2020), p. 55. https:///doi.org/10.1038/s41534-020-0283-3.
https://doi.org/10.1038/s41534-020-0283-3

[ 22 ] A. R. Usha Devi, A. K. Rajagopal y Sudha. "Dinámica cuántica de sistema abierto con estados iniciales correlacionados, mapas no completamente positivos y no Markovianidad". En: Física. Rev. A 83 (2 2011), pág. 022109. https:///doi.org/10.1103/PhysRevA.83.022109.
https: / / doi.org/ 10.1103 / PhysRevA.83.022109

[ 23 ] Shunlong Luo, Shuangshuang Fu y Hongting Song. "Cuantificación de la no Markovianidad mediante correlaciones". En: Física. Rev. A 86 (4 2012), pág. 044101. https:///doi.org/10.1103/PhysRevA.86.044101.
https: / / doi.org/ 10.1103 / PhysRevA.86.044101

[ 24 ] Elsi-Mari Laine, Jyrki Piilo y Heinz-Peter Breuer. “Medida para la no Markovianidad de los procesos cuánticos”. En: Revisión física A 81.6 (2010). https:///doi.org/10.1103/physreva.81.062115.
https: / / doi.org/ 10.1103 / physreva.81.062115

[ 25 ] Xiao-Ming Lu, Xiaoguang Wang y C. P. Sun. "Flujo de información de Quantum Fisher y procesos no markovianos de sistemas abiertos". En: Física. Rev. A 82 (4 2010), pág. 042103. https:///doi.org/10.1103/PhysRevA.82.042103.
https: / / doi.org/ 10.1103 / PhysRevA.82.042103

[ 26 ] Heinz-Peter Breuer, Elsi-Mari Laine y Jyrki Piilo. “Medida del grado de comportamiento no markoviano de procesos cuánticos en sistemas abiertos”. En: Cartas de revisión física 103.21 (2009). https://doi.org/10.1103/physrevlett.103.210401.
https: / / doi.org/ 10.1103 / physrevlett.103.210401

[ 27 ] Bogna Bylicka, Dariusz Chruscinski y Sabrina Maniscalco. La no markovianidad como recurso para las tecnologías cuánticas. 2013. arXiv: 1301.2585 [cuántico-ph].
arXiv: 1301.2585

[ 28 ] Salvatore Lorenzo, Francesco Plastina y Mauro Paternostro. “Caracterización geométrica de la no Markovianidad”. En: Física. Rev. A 88 (2 2013), pág. 020102. https:///doi.org/10.1103/PhysRevA.88.020102.
https: / / doi.org/ 10.1103 / PhysRevA.88.020102

[ 29 ] Felix A. Pollock, César Rodríguez-Rosario, Thomas Frauenheim, Mauro Paternostro y Kavan Modi. “Condición operativa de Markov para procesos cuánticos”. En: Física. Rev. Lett. 120 (4 2018), pág. 040405. https://doi.org/10.1103/PhysRevLett.120.040405.
https: / / doi.org/ 10.1103 / PhysRevLett.120.040405

[ 30 ] Kade Head-Marsden, Stefan Krastanov, David A. Mazziotti y Prineha Narang. "Capturando dinámicas no markovianas en computadoras cuánticas a corto plazo". En: Física. Rev. Investigación 3 (1 2021), p. 013182. https://doi.org/10.1103/PhysRevResearch.3.013182.
https: / / doi.org/ 10.1103 / PhysRevResearch.3.013182

[ 31 ] Murphy Yuezhen Niu et al. Aprendizaje del ruido cuántico no markoviano a partir de espectroscopia de intercambio mejorada con muaré con un algoritmo evolutivo profundo. 2019. arXiv: 1912.04368 [cuántico-ph].
arXiv: 1912.04368

[ 32 ] I. A. Luchnikov, S. V. Vintskevich, D. A. Grigoriev y S. N. Filippov. “Dinámica cuántica no markoviana de aprendizaje automático”. En: Cartas de revisión física 124.14 (2020). https://doi.org/10.1103/physrevlett.124.140502.
https: / / doi.org/ 10.1103 / physrevlett.124.140502

[ 33 ] I. A. Luchnikov et al. Sondeo de la dinámica cuántica no markoviana con análisis basado en datos: más allá de los modelos de aprendizaje automático de "caja negra". Física. Rev. Research 4, 043002, 2022. [cuántico-ph].
https: / / doi.org/ 10.1103 / PhysRevResearch.4.043002

[ 34 ] Stephen Boyd y Lieven Vandenberghe. Optimizacion convexa. Cambridge University Press, 2004. https://doi.org/10.1017/CBO9780511804441.
https: / / doi.org/ 10.1017 / CBO9780511804441

[ 35 ] Steven Diamond y Stephen Boyd. "CVXPY: un lenguaje de modelado integrado en Python para optimización convexa". En: Journal of Machine Learning Research 17.83 (2016), págs. 1–5.

[ 36 ] Akshay Agrawal, Robin Verschueren, Steven Diamond y Stephen Boyd. "Un sistema de reescritura para problemas de optimización convexa". En: Revista de Control y Decisión 5.1 (2018), págs. 42–60.

[ 37 ] E. Davies. “Matrices de Markov integrables”. En: Electrón. J. Probab. 15 (2010), págs. 1474-1486. https:///doi.org/10.1214/EJP.v15-733.
https:///doi.org/10.1214/EJP.v15-733

[ 38 ] Kamil Korzekwa y Matteo Lostaglio. "Ventaja cuántica en la simulación de procesos estocásticos". En: Física. Rev. X 11 (2 2021), p. 021019. https:///doi.org/10.1103/PhysRevX.11.021019.
https: / / doi.org/ 10.1103 / PhysRevX.11.021019

[ 39 ] David E.Evans. "Mapas condicionalmente completamente positivos en álgebras de operadores". En: The Quarterly Journal of Mathematics 28.3 (1977), págs. 271–283. https://doi.org/10.1093/qmath/28.3.271.
https: / / doi.org/ 10.1093 / qmath / 28.3.271

[ 40 ] Jyrki Piilo, Sabrina Maniscalco, Kari Härkönen y Kalle-Antti Suominen. “Saltos cuánticos no markovianos”. En: Física. Rev. Lett. 100 (18 de 2008), pág. 180402. https://doi.org/10.1103/PhysRevLett.100.180402.
https: / / doi.org/ 10.1103 / PhysRevLett.100.180402

[ 41 ] https:///gitlab.com/TamaraKohler/non-markovianity.
https:///gitlab.com/TamaraKohler/non-markovianity.

[ 42 ] Z. Hradil. “Estimación del estado cuántico”. En: Física. Rev. A 55 (3 de 1997), R1561–R1564. https:///doi.org/10.1103/PhysRevA.55.R1561.
https: / / doi.org/ 10.1103 / PhysRevA.55.R1561

[ 43 ] Daniel FV James, Paul G. Kwiat, William J. Munro y Andrew G. White. “Medición de qubits”. En: Física. Rev. A 64 (5 2001), pág. 052312. https:///doi.org/10.1103/PhysRevA.64.052312.
https: / / doi.org/ 10.1103 / PhysRevA.64.052312

[ 44 ] Robin Blume-Kohout. "Estimación óptima y confiable de estados cuánticos". En: New Journal of Physics 12.4 (2010), pág. 043034. https://doi.org/10.1088/1367-2630/12/4/043034.
https://doi.org/10.1088/1367-2630/12/4/043034

[ 45 ] V. I. Danilov y V. V. Shokurov. Geometría Algebraica I. Curvas Algebraicas, Colectores y Esquemas Algebraicos. vol. 23. Springer-Verlag Berlín Heidelberg, 1994. https://doi.org/10.1007/978-3-642-57878-6.
https://doi.org/10.1007/978-3-642-57878-6

[ 46 ] SH Weintraub. Forma canónica de Jordan: teoría y práctica. Conferencias de Síntesis de Matemáticas y Estadística. Editores Morgan y Claypool, 2009. https://doi.org/10.2200/S00218ED1V01Y200908MAS006.
https://doi.org/10.2200/S00218ED1V01Y200908MAS006

[ 47 ] Erika Andersson, James D. Cresser y Michael JW Hall. “Encontrar la descomposición de Kraus a partir de una ecuación maestra y viceversa”. En: Journal of Modern Optics 54.12 (2007), págs. 1695-1716. https:///doi.org/10.1080/09500340701352581.
https: / / doi.org/ 10.1080 / 09500340701352581

[ 48 ] Gabriel O. Samach et al. Tomografía de Lindblad de un procesador cuántico superconductor. Física. Rev. Aplicado el 18, 064056, 2022. [quant-ph].
https: / / doi.org/ 10.1103 / PhysRevApplied.18.064056

[ 49 ] Tosio Kato. la teoría de perturbaciones para los operadores lineales. vol. 132. Springer-Verlag Berlín Heidelberg, 1995. https://doi.org/10.1007/978-3-642-66282-9.
https://doi.org/10.1007/978-3-642-66282-9

[ 50 ] DJ Hartfield. “Conjuntos densos de matrices diagonalizables”. En: Actas de la Sociedad Matemática Estadounidense 123.6 (1995), págs. 1669-1672.

[ 51 ] David Pérez-García, Michael M. Wolf, Denes Petz y Mary Beth Ruskai. “Contractividad de mapas positivos y preservadores de trazas bajo normas Lp”. En: Revista de Física Matemática 47.8 (2006), pág. 083506. https:///doi.org/10.1063/1.2218675.
https: / / doi.org/ 10.1063 / 1.2218675

[ 52 ] Alexander Schnell, André Eckardt y Sergey Denisov. “¿Existe un Floquet Lindbladiano?” En: Física. Rev. B 101 (10 2020), pág. 100301. https:///doi.org/10.1103/PhysRevB.101.100301.
https: / / doi.org/ 10.1103 / PhysRevB.101.100301

[ 53 ] Alexander Schnell, Sergey Denisov y André Eckardt. “Ampliaciones de alta frecuencia para generadores Lindblad periódicos en el tiempo”. En: Física. Rev. B 104 (16 2021), pág. 165414. https:///doi.org/10.1103/PhysRevB.104.165414.
https: / / doi.org/ 10.1103 / PhysRevB.104.165414

[ 54 ] Leonid Khachiyan y Lorant Porkolab. “Cálculo de puntos integrales en conjuntos semialgebraicos convexos”. En: Actas del 38º Simposio Anual sobre Fundamentos de la Informática. IEEE. 1997, págs. 162-171.

[ 55 ] John E. Mitchell. “Programación entera: algoritmos de ramificación y corte”. En: Enciclopedia de Optimización. Ed. por Christodoulos A. Floudas y Panos M. Pardalos. Boston, MA: Springer EE. UU., 2009, págs. 1643–1650. https:///doi.org/10.1007/978-0-387-74759-0287.
https://doi.org/10.1007/978-0-387-74759-0_287

Citado por

[1] Christiane P. Koch, Ugo Boscain, Tommaso Calarco, Gunther Dirr, Stefan Filipp, Steffen J. Glaser, Ronnie Kosloff, Simone Montangero, Thomas Schulte-Herbrüggen, Dominique Sugny y Frank K. Wilhelm, “Control óptimo cuántico en tecnologías cuánticas. Informe estratégico sobre el estado actual, visiones y objetivos de la investigación en Europa”, arXiv: 2205.12110, (2022).

[2] Ryan Levy, Di Luo y Bryan K. Clark, "Sombras clásicas para la tomografía de proceso cuántico en computadoras cuánticas a corto plazo", arXiv: 2110.02965, (2021).

[3] Dominik Hangleiter, Ingo Roth, Jens Eisert y Pedram Roushan, “Identificación hamiltoniana precisa de un procesador cuántico superconductor”, arXiv: 2108.08319, (2021).

[4] Gabriel O. Samach, Ami Greene, Johannes Borregaard, Matthias Christandl, Joseph Barreto, David K. Kim, Christopher M. McNally, Alexander Melville, Bethany M. Niedzielski, Youngkyu Sung, Danna Rosenberg, Mollie E. Schwartz, Jonilyn L. Yoder, Terry P. Orlando, Joel I. -Jan Wang, Simon Gustavsson, Morten Kjaergaard y William D. Oliver, “Lindblad Tomography of a Superconducting Quantum Processor”, Revisión física aplicada 18 6, 064056 (2022).

[5] Miha Papič e Inés de Vega, “Caracterización del entorno qubit basada en redes neuronales”, Revisión física A 105 2, 022605 (2022).

[6] James Sud, Jeffrey Marshall, Zhihui Wang, Eleanor Rieffel y Filip A. Wudarski, "Marco de mapa dual para la caracterización del ruido de computadoras cuánticas", Revisión física A 106 1, 012606 (2022).

[7] Brian Doolittle, Tom Bromley, Nathan Killoran y Eric Chitambar, “Optimización cuántica variacional de no localidad en redes cuánticas ruidosas”, arXiv: 2205.02891, (2022).

[8] Markus Hasenöhrl y Matthias C. Caro, “Semigrupos dinámicos cuánticos y clásicos de supercanales y canales semicausales”, Revista de Física Matemática 63 7, 072204 (2022).

[9] Emilio Onorati, Tamara Kohler y Toby S. Cubitt, “Ajustar la dinámica markoviana dependiente del tiempo a canales cuánticos ruidosos”, arXiv: 2303.08936, (2023).

Las citas anteriores son de ANUNCIOS SAO / NASA (última actualización exitosa 2023-12-05 14:26:01). La lista puede estar incompleta ya que no todos los editores proporcionan datos de citas adecuados y completos.

No se pudo recuperar Crossref citado por datos durante el último intento 2023-12-05 14:25:59: No se pudieron obtener los datos citados por 10.22331 / q-2023-12-05-1197 de Crossref. Esto es normal si el DOI se registró recientemente.

Este documento se publica en Quantum bajo el Creative Commons Reconocimiento 4.0 Internacional (CC BY 4.0) licencia. Los derechos de autor permanecen con los titulares de derechos de autor originales, como los autores o sus instituciones.

Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
PlatoESG. Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
Fuente: https://quantum-journal.org/papers/q-2023-12-05-1197/

Sello de tiempo: 5 de diciembre de 2023

Sello de tiempo: Nov 28, 2022

Adaptación de modelos de ruido cuántico a datos de tomografía

Reeditado por Platón

Resumen

Resumen popular

► datos BibTeX

► referencias

Citado por

Mas de Diario cuántico

Correlaciones en tipicidad y una solución afirmativa a la conjetura de la entropía catalítica exacta

Los eventos en la mecánica cuántica son máximamente no absolutos

Mediciones del síndrome adaptativo para la corrección de errores de estilo Shor

Configuración de parámetros en optimización aproximada cuántica de problemas ponderados

Demonio fotónico mejorado de Maxwell con baños correlacionados

Ingeniería inversa de transferencia de estado rápida entre osciladores acoplados

Métodos híbridos para la simulación cuántica en la imagen de interacción

Evitar los obstáculos de simetría y minimizar la sobrecarga de medición de los autosolucionadores cuánticos variacionales adaptativos

Descubrimiento digital de 100 experimentos cuánticos diversos con PyTheus

La complejidad del muestreo bipartito de bosones gaussianos

Sobre Nosotros

Búsqueda vertical y Ai

Productos

Manténganse Conectados

Mi Cuenta