量子信息处理是一种复杂的现象,涉及量子计算和量子模拟,专注于解决各种难题,如模拟多体系统、大数分解和理解凝聚态系统,这些问题对于当今的经典计算机来说是不可能实现的。Wu 等人 (2021) 。超冷里德堡原子的控制和操纵为量子信息处理提供了一条有希望的途径 Saffman 等人 (2010) 。量子计算是通过量子门操作执行的。这种量子门操作的基本要求是开发可扩展和高保真度量子比特系统平台,该系统可以按照 DiVincenzo 标准高效地执行长算法操作 DiVincenzo (2000) 。具有高主量子数 n 的里德堡原子具有非凡的特性,例如按 n 4 缩放的长距离偶极-偶极相互作用和
多体系统(微观和宏观)中的统计涨落对物理学有着非常重要的作用,因为它们编码了关于可能的相变、耗散和聚集现象的关键信息[1-6]。涨落的一个尚未开发的新特征是,在量子效应变得重要的情况下,小系统的涨落会增加。我们在最近的两篇论文[7、8]中定量分析了这种影响,在这些论文中,我们讨论了玻色子和费米子热气体中能量密度的涨落。我们的结果表明,在描述重离子碰撞时,相对论流体动力学中使用的流体元素概念存在局限性。当子系统的尺寸降至约0.5 fm以下时,能量密度涨落(对于温度和粒子质量的典型值)变得如此之大,以至于它们与它们的平均值相当。在这种情况下,具有明确能量密度的流体单元的物理图像变得不合理。我们
我们通过嵌入自旋链中的w态来提高量子多体系统中复杂性的表征。这样的状态显示了数量的非稳定性或“魔术”,以稳定剂rényi熵测量,它们随量子 /旋转的数量而生长。我们专注于哈密顿人接受广泛堕落的经典观点的系统。在这些点附近,克利福德电路可以将基态转换为w state,而在经典点所属的阶段的其余部分中,它均配以局部量子相关性。拓扑结构的量子旋转链宿主相具有所需的现象学,我们表明他们的基态稳定剂rényi熵是W态的总和,以及广泛的局部贡献。我们的工作表明,W-州 /沮丧的接地状态表现出非本地的复杂程度,可以作为量子资源收获,并且在GHz状态 /未填写的系统中没有对应物。
与环境耦合的一般多体系统由于退相干而失去量子纠缠,并演变为仅具有经典相关性的混合状态。在这里,我们表明测量可以稳定开放量子系统内的量子纠缠。具体而言,在边界处失相的随机单元电路中,我们从数值和分析上发现,以较小的非零速率进行的投影测量会导致系统内出现 L 1 / 3 幂律缩放纠缠负性的稳定状态。使用对随机环境中定向聚合物统计力学模型的解析映射,我们表明幂律负性缩放可以理解为由于随机测量位置而导致的 Kardar-Parisi-Zhang (KPZ) 波动。进一步增加测量速率会导致相变到面积律负性相,这与无退相干的受监控随机电路中的纠缠转变具有相同的普遍性。
模拟开放量子系统的动力学对于实现实用量子计算和理解新型非平衡行为至关重要。然而,在当今的实验平台上,耦合到工程储层的多体系统的量子模拟尚未得到充分探索。在这项工作中,我们将工程噪声引入一维十量子比特超导量子处理器,以模拟通用多体开放量子系统。我们的方法源于主方程的随机解开。通过测量端到端相关性,我们确定了源于强对称性的多个稳定态,该强对称性是通过 Floquet 工程在修改后的汉密尔顿量上建立的。此外,我们通过将初始状态准备为五量子比特链上不同扇区内状态的叠加来研究稳态流形的结构。我们的工作为开放系统量子模拟提供了一种可管理且硬件高效的策略。
摘要:我们在机器学习框架内研究了从量子纠缠中产生的 AdS 黑洞时空的体积重建。利用神经常微分方程和蒙特卡罗积分,我们开发了一种针对连续训练函数量身定制的方法,以从纠缠熵数据中提取一般各向同性体积度量。为了验证我们的方法,我们首先将我们的机器学习算法应用于从 Gubser-Rocha 和超导体模型中得到的全息纠缠熵数据,这些模型是全息中强耦合物质的代表性模型。我们的算法成功地从这些数据中提取了相应的体积度量。此外,我们通过使用半填充费米子紧束缚链的纠缠熵数据将我们的方法扩展到多体系统,以临界一维系统为例,并得出相关的体积度量。我们发现紧束缚链和 Gubser-Rocha 模型的度量相似。我们推测这种相似性是由于这些模型的金属性质。
量子信息扰乱描述了最初局部信息通过纠缠生成在整个量子多体系统中的快速传播。一旦扰乱,原始局部信息就会被全局编码,无法从任何单个子系统访问。在这项工作中,我们引入了一种协议,该协议允许将信息扰乱到过去,甚至在生成原始信息之前就可以解码。该协议是通过使用概率方法模拟封闭的时间曲线(一种粒子可以沿时间向后穿越的理论构造)来实现的。值得注意的是,我们发现更强的扰乱动力学可以增强解码过程的保真度。我们进一步介绍了一种量子电路设计,并在基于云的 Quantinuum 和 IBM 量子计算机上实验性地实现了我们的协议。我们的方法阐明了一个独特的量子任务:在不改变过去的情况下检索未来编码的信息。
在这项工作中,我们提出了一种新的方法,用于使用AutoCododer(AE)(AE)(一种未加权的机器学习技术,具有最少的先验知识)来识别一维量子多体系统中的量子相变。AES的训练是通过在整个驱动参数的整个范围内通过精确的对角线化(ED)获得的减少密度矩阵(RDM)数据进行的,因此不需要对相图的事先了解。使用这种方法,我们通过跟踪AE的重建损失的变化,成功地检测了具有多种类型的多种相变的广泛模型中的相变。AE的学习表示表示,以表征不同量子相的物理现象。我们的方法论展示了一种新的方法,可以使用最少的知识,少量所需数据研究量子相变,并产生量子状态的压缩代表。
在本研究中,我们提出了一种新方法,使用自动编码器 (AE)(一种无监督机器学习技术)在极少先验知识的情况下识别一维量子多体系统中的量子相变。AE 的训练是使用通过精确对角化 (ED) 在整个驱动参数范围内获得的约化密度矩阵 (RDM) 数据进行的,因此不需要相图的先验知识。使用此方法,我们通过跟踪 AE 重构损失的变化,成功地检测到了具有多种不同类型相变的广泛模型中的相变,包括拓扑和 Berezinskii-Kosterlitz-Thouless 相变。学习到的 AE 表示用于表征不同量子相背后的物理现象。我们的方法展示了一种研究量子相变的新方法,只需极少的知识和少量所需数据,并生成量子态的压缩表示。
摘要 — 量子信息科学的最新进展揭示了量子多体系统的复杂动力学,量子信息扰乱就是一个很好的例子。受量子信息热力学的启发,这一观点旨在综合几项关键研究的关键发现并探索量子扰乱的各个方面。我们考虑了诸如非时间有序相关器 (OTOC)、量子互信息和三部分互信息 (TMI) 之类的量词,它们与热力学的联系,以及它们在理解混沌与可积量子系统中的作用。我们重点关注代表性示例,涵盖了一系列主题,包括量子信息扰乱的热力学以及量子引力模型(如 Sachdev-Ye-Kitaev (SYK) 模型)中的扰乱动力学。研究这些不同的方法使我们能够强调量子信息扰乱的多面性及其在理解量子力学和热力学交叉领域的量子多体动力学基本方面的重要性。