A detailed study of Gaussian Boson Sampling
自从玻色子采样的发展以来，人们一直在寻求构建更有效和实验可行的协议来测试从光子态采样的计算复杂性。在本文中，我们解释和推广的结果[物理。119，170501（2017）]。我们推导出一个表达式，该表达式将从高斯态测量特定光子输出模式的概率与\textit{hafnian}矩阵函数联系起来，并使用它来设计高斯玻色子采样协议。然后，我们讨论了该协议相对于其他光子协议的优点和高斯玻色子采样的实验要求。最后，我们将其与以前最一般的协议，散点玻色子采样[物理学评论快报。113，100502（2014）]
2018-01-23 quant-ph
Quantum Rényi Entropy Functionals for Bosonic Gaussian Systems
本文提出了阶数p>1且幂κ的量子Rényi熵功率不等式，通过量子卷积混合操作在玻色高斯系统上利用Wehrl-p熵功率不等式进行推导，为量子信道容量计算和高斯纠缠见证提供了理论基础。
2023-10-24 quant-ph
Gaussian capacity of the quantum bosonic channel with additive correlated Gaussian noise
提出了一种计算加性高斯噪声下量子玻色存储信道的高斯经典容量的算法。该算法仅限于高斯输入状态，适用于所有信道的噪声相关性遵守一定的条件，并在全输入能量域工作，超出了以前的处理这个问题。作为示例，我们研究了具有高斯-马尔可夫噪声的量子存储信道的最佳输入状态和容量[J. Schäfer，Phys. Rev. A 80，062313（2009）]。我们评估的传输速率的增强时，使用这些最佳的纠缠输入状态的产品相干态编码相比，发现这样一个简单的相干态编码实现不低于90%的容量。
2011-09-18 quant-ph
Boson Sampling from Gaussian States
我们提出了一个广义玻色子采样问题。强有力的证据表明，这样的问题在经典计算机上成为玻色子数量的函数。我们描述了一个量子光处理器，可以有效地解决这个问题的基础上高斯输入状态，线性光网络和非自适应光子计数测量。目前，构建这样一个处理器所需的所有元素都存在。这种设备的演示将提供第一个经验证据，证明量子计算机确实可以超越经典计算机，并可能导致应用。
2013-11-10 quant-ph
Boson sampling with Gaussian measurements
我们开发了一个替代玻色子采样模型操作的单光子状态，其次是线性干涉和高斯测量。模拟这种连续变量测量的硬度证明建立在两个主要步骤，利用时间反演下量子演化的对称性。也就是说，我们首先构建了一个双重版本的散射玻色子采样，在其中，相对于原来的建议，两个腿的收集双模压缩真空状态进行平行的线性光学变换。作为推论，这个双重散射模型产生了一个从高斯态采样玻色子的例子，在高斯态中光子计数很难模拟。然后，一个时间反演的设置被用来展示一个玻色子采样模型，其中高斯测量的模拟-即八端口零差检测的结果-被证明是计算困难的。这些结果说明了时间反演下量子演化的对称性如何可以作为分析新的物理动机的计算问题的计算复杂性的工具。
2017-09-18 quant-ph
Cracking the Quantum Advantage threshold for Gaussian Boson Sampling
量子技术的科学家们渴望获得量子优势：一种经典计算机无法实现的计算结果。高斯玻色子取样实验已经被声称可以实现这一目标。在这种设置中，压缩光态在中等规模的线性光学网络中发生干涉，其中发生多光子碰撞。一旦$n$超过$100$，对$n$阈值检测器的计数统计的精确模拟就远远超出了现代超级计算机的可能性。在这里，我们挑战量子优势的一个中等大小的高斯玻色子采样设置，并提出了近似算法，以获得任何特定的测量结果的概率。对于一台笔记本电脑上的70模式的设备，我们的近似达到的精度与实验的竞争。
2022-07-07 quant-ph
Point Processes with Gaussian Boson Sampling
随机点模式在自然界中是普遍存在的，并且诸如点过程的统计模型，即，通常使用生成点的随机集合的算法来模拟和解释它们。我们提出了一个应用程序的量子计算的统计建模，通过建立点过程和高斯玻色子采样之间的连接，一个算法的专用光子量子计算机。我们表明，高斯玻色子采样可以用来实现一类点过程的基础上难以计算的矩阵函数，在一般情况下，是难以模拟的经典。我们还讨论了多项式时间经典方法存在的情况。这导致了一个家庭的有效的量子启发点过程，包括一个新的快速经典算法的永久点过程。我们研究了基于高斯玻色子采样的点过程的统计特性，并揭示了它们的定义性质：就像聚在一起的玻色子一样，它们生成形成集群的点的集合。最后，我们讨论了这些点过程，我们举例说明应用程序的几个额外的属性。
2019-06-27 quant-ph
Classical algorithm for simulating experimental Gaussian boson sampling
提出一种经典张量网络算法模拟高损耗高斯玻色采样，在量子优势基准上优于大规模实验，反驳了实验性量子优势声明。
2023-12-04 quant-ph
Variational non-gaussian approach to interacting spin-boson models
University of Warsaw（华沙大学）；Emory University（埃默里大学）
该研究针对相互作用自旋玻色子模型模拟受限问题，采用混合变分框架，在非高斯变分流形中捕获相关量，经自洽能量最小化循环及DMRG求解，在不处理光子场时获精确基态解，降低键维度。
2026-07-21 quant-ph
Hierarchical Verification of Non-Gaussian Coherence in Bosonic Quantum States
本文提出一个包含绝对、相对和量子比特特定阈值的分层框架，用于验证玻色量子态局域相干的非高斯性，并首次利用高纯度预告式光学非高斯态对光子数态相干性进行了详细评估。
2025-08-28 quant-ph
Majorization preservation of Gaussian bosonic channels
结果表明，相位不敏感的高斯玻色通道是优化保持的谐振子的被动态的集合。这意味着在控制下的可比较的被动状态被转换成同样可比较的被动状态。证明依赖于一个新的前序关系称为Fock优序，这符合定期优序被动状态，但也导致了平均光子数顺序，从而连接的概念能量和无序的量子态。作为一个应用程序，在玻色高斯信道的广播通信容量的背景下，研究的后果的控制保存。我们的大部分结果与所研究系统的玻色子性质无关，它们可以推广到其他量子系统和哈密顿量，为量子信息理论和量子热力学提供了一个通用的工具。
2015-12-27 quant-ph
Gaussian Boson Sampling using threshold detectors
我们研究了可以说是最有实验吸引力的玻色子采样架构：高斯状态采样阈值检测器。我们表明，在这种情况下，观察到一个给定的结果的概率是相关的矩阵函数，我们命名为Torontonian，它发挥了类似的作用，在其他模型中的永久性或哈夫。我们还证明，只要观察到两个或更多的光子在一个单一的输出模式的概率是足够小的，我们的模型仍然难以模拟经典的标准复杂性理论的approximately。最后，我们利用模型的数学简单性，为所有采用高斯状态和阈值检测器的玻色子采样模型引入物理激励的精确采样算法。
2018-12-18 quant-ph
Certification of Gaussian Boson Sampling via graph theory
Sapienza Università di Roma（罗马大学）；Dipartimento di Fisica, Sapienza Università di Roma（罗马大学物理系）；Dipartimento di Informatica, Sapienza Università di Roma（罗马大学计算机系）
通过图论方法验证高斯玻色采样实验的正确性，利用图特征向量分布和图核分布提出新的评估方法。
2022-02-15 quant-ph
Post-selection in noisy Gaussian boson sampling: part is better than whole
高斯玻色子采样最初是为了利用量子线性光学元件显示量子优势而提出的。最近，基于高斯玻色子采样的几个实验突破指向量子计算霸权已经提出。然而，由于技术上的限制，高斯玻色子取样装置的结果受到光子损失的严重影响。在这里，我们提出了一个有效的和实用的方法来减少光子损失所造成的负面影响。在不修改硬件的情况下，采用数据后选择的方法，根据我们的准则丢弃低质量的数据，以提高最终计算结果的性能，即部分优于整体。作为一个例子，我们表明，后选择方法可以把一个GBS实验，否则将失败的"非经典测试”到一个可以通过该测试。这种光子损失抑制方法不仅可以提高现有GBS器件计算结果的鲁棒性，而且也有利于基于GBS的量子算法的进一步发展。
2022-12-29 quant-ph
Benchmarking of Gaussian boson sampling using two-point correlators
高斯玻色子采样是一种很有前途的方案，用于证明使用实验室中可访问的光子态的量子计算优势，从而提供可扩展的量子光源。在这篇文章中，我们研究了两点光子数关联函数，以深入了解光网络中高斯态的干涉。我们调查的统计签名，使我们能够区分经典量子干涉的特性。在对比玻色子采样的典型实施，我们发现额外的贡献的关联函数的研究中干高斯状态的相位依赖性，这是不可观察的，当福克状态干扰。使用前三个时刻，我们制定了实验观察签名的高斯态的量子干涉只使用两个输出所需的工具。通过考虑目前的建筑限制在现实的实验中，我们进一步表明，量子和经典干涉之间的统计显着的歧视是可能的，即使在存在的损失，噪声和有限的光子数分辨率。因此，我们制定和应用一个理论框架来衡量现实条件下高斯玻色子采样的量子特性。
2019-02-21 quant-ph
Transition of Anticoncentration in Gaussian Boson Sampling
本文开发了图论框架分析高斯玻色采样分布的各阶矩，发现其反集中特性随初始压缩模式数与末端测量光子数的比例发生转变，揭示了实现量子优势的关键统计条件。
2024-03-20 quant-ph
Sub-Bath Cooling in Bosonic Systems: Gaussian Constraints and Non-Gaussian Enhancements
本研究提出了一种通用框架，用于冷却连续变量系统，揭示了高斯操作的约束和非高斯相互作用的增强作用，并展示了非高斯资源在冷却极限提升中的关键作用。
2025-12-11 quant-ph
Boson Sampling from Non-Gaussian States
本研究提出一种结合高斯态和光子数测量的方案，推导出计算一般单模态经线性干涉仪后输出光子数概率的公式，将玻色采样协议扩展至最广泛的单模态，并证明复杂输入态相比简单态无复杂度优势。
2024-03-25 quant-ph
A quantum hardware-induced graph kernel based on Gaussian Boson Sampling
一种名为“高斯玻色子采样器”的设备最初被提出来作为经典难以处理的量子计算的近期演示。如最近所示，它也可以用来判断两个图是否同构。基于这些结果，我们构建了一个特征图和图形相似性度量或“图形内核”使用的样本从设备。我们表明，该内核的表现良好，相比标准的图形内核在典型的基准数据集，并提供了一个理论上的动机，这种成功，连接高斯玻色子采样器的分布子图中的匹配的数量。我们的研究结果有助于一种新的方式来思考内核作为（量子）硬件有效的特征映射，并导致一个有趣的应用程序，近期量子计算。
2019-10-16 quant-ph
Gaussian Boson Sampling for perfect matchings of arbitrary graphs
一个著名的具有广泛应用的图难题是计算完美匹配的数量，即图的顶点的唯一和完全配对的数量。基于高斯玻色子抽样与图论的关系，提出了一种无向图完美匹配数的估计方法。在每个输出模式中测量零个或一个光子的概率直接与邻接矩阵的高斯数相关，因此与图的完美匹配的数量相关。我们提出了一个图的邻接矩阵编码成高斯状态，并显示策略，以提高采样成功概率。通过我们的方法，与经典计算机相比，高斯玻色子采样设备可以更快地估计完美匹配的数量，并且能耗更低。
2017-12-19 quant-ph
Variational Tensor Network Simulation of Gaussian Boson Sampling and Beyond
提出一种基于张量网络变分法的经典模拟工具，将连续变量采样问题转化为哈密顿量基态求解，可模拟高斯及非高斯玻色采样，并开发局部基优化技术以降低开销。
2025-08-08 quant-ph
Universal interference-based construction of Gaussian operations in hybrid quantum systems
分束器操作是处理以玻色子模式编码的量子信息的不可或缺的资源。然而，在混合量子系统中，由于各种实验缺陷，在两个不同的玻色子模式之间实现可靠的分束器可能具有挑战性。在没有分束器的情况下，实现玻色子模式之间的任意高斯运算可能变得非常重要甚至不可行。在这项工作中，我们开发了新的基于干涉的协议工程高斯操作在多模混合玻色子系统，而不需要分束器。具体来说，对于一个给定的通用多模高斯幺正耦合器，我们证明了一个通用的方案，用于构建所需的玻色子模式的子集上的高斯操作，只需要多次使用给定的耦合器与单模高斯幺正交织。我们的研究结果提供了有效的建设操作至关重要的量子信息科学，并来自玻色子系统的基本物理性质。因此，除了某些边缘情况外，所提出的方案广泛适用于现有的平台和车钩。我们引入了一个系统的方法来识别和治疗这些边缘的情况下，利用一种新的固有不变的结构与我们的干扰为基础的建设。
2021-12-15 quant-ph
Gaussian boson sampling with click-counting detectors
研究使用点击计数探测器进行Gaussian boson sampling，提出新矩阵函数Kensingtonian并证明其不可高效模拟。
2024-02-13 quant-ph
Uniform Hiding and Two Routes to Relative Accuracy in Gaussian Boson Sampling
School of Statistics, University of Minnesota（明尼苏达大学统计学院）
该研究针对高斯玻色采样中Haar干涉仪的矩形块形成的复对称转置Gram矩阵，证明其与复高斯转置Gram律的有限总变差比较，误差界明确，为高斯玻色采样硬度论证提供随机矩阵替代分量。
2026-09-14 quant-ph
Gaussian Boson Sampling for binary optimization
该研究将 Gaussian Boson Sampling 与基于 CVaR 代价函数的 VQE 结合，用于航班登机口分配这一二元优化问题，并通过随机实例数值模拟验证其可行性。
2023-12-12 quant-ph
Exact Boson Sampling using Gaussian continuous variable measurements
BosonSampling是一项量子力学任务，涉及Fock基态制备和检测以及仅使用线性相互作用的演化。从这个量子任务中产生样本的经典算法不可能是有效的，除非复杂性类的多项式层次结构崩溃，这种情况被认为是非常不可信的。我们提出了一种方法来构建一个设备，它使用Fock状态的准备，线性相互作用和高斯连续变量的测量，其中一个可以显示精确的采样将是很难的一个经典的算法，以同样的方式玻色子采样。从这种安排中使用的检测事件不允许得出近似采样的经典硬度的类似结论。我们讨论了这个结果的细节，概述了近似采样硬度所需的一些特定属性。
2017-06-29 quant-ph
Quantum approximate optimization with Gaussian boson sampling
硬优化问题通常通过寻找近似解来解决。在这里，我们强调比例采样的概念，并讨论它如何可以用来提高随机优化算法的性能。我们介绍了一个NP-难的问题，称为最大哈夫和高斯玻色子采样（GBS）可以用来提高任何随机算法这个问题。这些结果应用于增强随机搜索，模拟退火，和贪婪算法。通过数值模拟，我们确认，所有的算法都得到了改进，采用GBS时，GBS增强的随机搜索性能最好，尽管是一个最简单的底层经典例程。
2018-07-30 quant-ph
Central Limit Theorem for Bosonic Quantum Channels
Cornell University（康奈尔大学）；Scuola Normale Superiore（意大利高等师范学校）
本文发展了中心极限定理到玻色量子通道的设置，通过该扩展深入理解了高斯玻色通道作为极值对象的本质，并通过该定理恢复了经典中心极限定理和玻色量子态的中心极限定理，从而提供了将经典概率理论与连续变量量子系统联系起来的统一视角。此外，利用该结果，我们能够提供物理系统（可能非高斯）的玻色量子通道必须满足的必要不确定性关系。作为我们极限定理的另一个应用，我们通过将其与关联的高斯玻色通道容量联系起来，推导了线性玻色通道在能量约束下的量子容量的紧下界，进一步强化了高斯通道作为极值对象的作用。
2026-05-16 quant-ph
Using Gaussian Boson Sampling to Find Dense Subgraphs
玻色子采样装置是展示量子优越性的主要候选者，但它们在解决实际问题方面的应用还不太清楚。在这里，我们表明，高斯玻色子采样（GBS）可以用于稠密子图识别。针对NP-难的稠密子图问题，我们发现GBS以高概率选择稠密子图，增强了随机算法。这些发现依赖于图密度和完美匹配的数量之间的联系-由哈夫尼人枚举-这是决定GBS中抽样概率的相关数量。我们通过构建GBS增强版本的随机搜索和模拟退火算法来测试我们的研究结果，并通过GBS的数值模拟来识别30顶点图的denatrium子图。
2018-07-30 quant-ph
Quantum Capacities of Bosonic Channels
研究了玻色量子信道传输量子信息的能力。通过证明每个信道都可以渐近模拟高斯信道，并由信道的二阶矩来表征信道的可测矩，从而确定可调速率。通过证明高斯编码是最优的，我们计算了一类高斯信道的量子容量，包括描述光子损耗光纤的信道。一路上，我们提供了一个完整的表征可降解的高斯信道和那些所产生的隐形传态协议。
2006-06-15 quant-ph
Using Gaussian Boson Samplers to Approximate Gaussian Expectation Problems
本研究探索利用高斯玻色采样样本近似高斯期望问题，提出两种估计器，证明其相对于蒙特卡洛方法在特定精度和成功概率下可实现指数级加速，并确认存在非空问题子集支持该优势。
2025-02-27 quant-ph
Engineering Non-Gaussian Bosonic Gates through Quantum Signal Processing
Simon Fraser University（西蒙菲莎大学）
本文提出利用量子信号处理技术在混合qumode-qubit系统上工程化非高斯门，实现高精度、固定时间的SNAP门替代方案，并拓展至纠缠qudit、猫态生成及非酉操作。
2026-09-15 quant-ph
Testing bosonic and fermionic Gaussian states with a constant number of copies
CWI（荷兰数学与计算机科学研究中心）；QuSoft（QuSoft量子计算中心）；University of Leiden（莱顿大学）；Department of Computer Science, University of Warwick（华威大学计算机科学系）；LMU Munich（慕尼黑大学）；MCQST（慕尼黑量子科学与技术中心）；University of Amsterdam（阿姆斯特丹大学）
本研究证明，仅需恒定数量的副本即可测试量子态是否为高斯态，突破了先前副本数随系统规模增长的限制，方法基于对称性及梯度流与谱界。
2026-10-06 quant-ph
Generative modeling with Gaussian Boson Sampling: classically trainable Bosonic Born Machines
HUN-REN Wigner Research Centre for Physics（匈牙利科学院维格纳研究物理中心）；Eötvös Loránd University（罗兰大学）；Center for Quantum Enabled-Computing, Center for Theoretical Physics of the Polish Academy of Sciences（波兰科学院理论物理中心量子计算中心）；Department of Physics, Korea Advanced Institute of Science and Technology（韩国科学技术院物理系）；University of Helsinki（赫尔辛基大学）；Algorithmiq Ltd（算法有限公司）
本文提出了一种基于高斯玻色采样电路的光量子生成模型，利用经典计算高效评估期望值，实现可扩展的模型参数优化。
2026-03-11 quant-ph
Simulating Gaussian Boson Sampling with Tensor Networks in the Heisenberg picture
本文提出在海森堡绘景中用张量网络时间演化计算高斯玻色采样概率分布的新方法，突破非均匀光子损耗模拟限制，拓展了数值可模拟性边界。
2024-02-26 quant-ph
Gaussian phase sensitivity of boson-sampling-inspired strategies
在这项工作中，我们研究的相位灵敏度的一般线性干涉计划使用高斯资源和测量。我们的形式主义是基于Fisher信息。这使我们能够将测量方案、实验缺陷和辅助系统的贡献分开。我们证明了这种形式主义的力量，使用广泛的多模高斯状态，包括著名的结果，从单模式和双模式的计量方案。利用这一点，我们证明了输入相干态或压缩击败了先前玻色子采样激发的相位估计方案中提出的非经典态。我们还开发了一种新的多色干涉仪协议，展示了增强的灵敏度相对于双模压缩真空状态，理想的零差检测正式被证明是最佳的。
2021-03-24 quant-ph
Gaussian-boson-sampling-enhanced dense subgraph finding shows limited advantage over efficient classical algorithms
最近的声明，实现指数量子优势吸引了人们的注意力高斯玻色子采样（GBS），其潜在的应用是稠密子图的发现。我们调查的误差来源，包括损失和光谱杂质GBS应用于稠密子图发现算法的影响。我们发现，这些算法的有效性是非常强大的错误，在这样的程度上，存在有效的经典算法，可以模拟底层GBS。这些结果意味着，基于GBS的算法的加速稠密子图问题的经典方法是在最多的多项式，虽然这可以实现在量子设备上的损失和光子纯度比一般GBS的严格要求显着降低。
2023-01-30 quant-ph
Towards graph classification with Gaussian Boson Sampling by embedding graphs on the X8 photonic chip
可以在其上执行高斯玻色子采样的光子芯片已经可以在云上访问，特别是Xanadu的X8芯片。在这份技术报告中，我们研究了它的潜在用途，作为量子设备上图形分类的第一步。为了实现这一目标，我们研究了生成样本的图嵌入方法，从而得到特征向量。这是在一类受限的无权、无向和无环图上完成的。硬件约束与可以编码的图的属性相匹配。我们报告的X8芯片上的实验，以及比较经典的计算机和解析解的数值模拟。我们通过尝试考虑光子损失并相应地解释观察到的结果来结束本技术报告。
2021-09-27 quant-ph
Efficient Concatenated Bosonic Code for Additive Gaussian Noise
针对玻色编码解码复杂的问题，提出用GKP编码检测丢弃易错量子比特并级联量子奇偶校验编码处理残余错误，采用线性时间解码器且性能显著优于标准解码器。
2023-11-27 quant-ph
Dynamical complexity of non-Gaussian many-body systems with dissipation
研究揭示了非高斯多体系统在耗散下的动力学复杂性，证明费米子系统在特定条件下保持高斯态，而玻色子系统则可能演化为非凸高斯态，且两者在不同噪声条件下均可生成纠缠。
2025-10-17 quant-ph
Molecular Docking with Gaussian Boson Sampling
高斯玻色子采样器是光子量子器件，具有执行经典系统难以处理的任务的潜力。与其他近期量子技术一样，一个突出的挑战是确定这些量子设备可以证明有用的实际问题。在这里，我们表明，高斯玻色子采样器可以用来预测分子对接配置：空间方向，分子假设当它们结合到更大的蛋白质。分子对接是药物设计的核心问题，其中必须预测大量候选分子的对接构型。我们开发了一个顶点加权结合相互作用图的方法，其中的分子对接问题减少到寻找最大加权集团在一个图。我们表明，高斯玻色子采样器可以编程采样大重量团，即，稳定的对接配置，具有高概率，即使在光子损失的存在下。我们还描述了如何从设备的输出可以用来提高经典算法的性能，并增加他们的成功率找到分子结合姿势。为了对我们的方法进行基准测试，我们预测了小分子配体与肿瘤坏死因子- $α$转化酶的结合模式，该转化酶是与免疫系统疾病和癌症相关的靶点。
2019-02-01 quant-ph
Quadratic speedup for simulating Gaussian boson sampling
我们介绍了一种算法的经典模拟高斯玻色子采样，是二次方速度比以前已知的方法。该算法的复杂度与探测到的光子对的数量成指数关系，而不是与光子的数量成指数关系，并且与计算纯高斯态的概率幅度所需的时间成正比。主要的创新是使用辅助条件变量来减少采样问题，以计算纯态概率幅，其中计算成本最高的步骤是计算一个循环柯西。我们实现并基准测试了一个改进的循环高斯算法，并表明它可以用于计算纯态概率，采样算法中的主要步骤，在单个工作站中多达50个光子事件，即，而不需要超级计算机。
2021-08-03 quant-ph
Sample efficient graph classification using binary Gaussian boson sampling
University of Virginia（弗吉尼亚大学）
本文提出一种基于高斯玻色采样的量子算法，用于图结构数据分类，采用二进制探测器简化实现，同时探讨图论与Torontonian矩阵函数的关系。
2023-09-21 quant-ph
Validation of a noisy Gaussian boson sampler via graph theory
本文利用 Gaussian Boson Sampling 与图完美匹配计数的联系，提出验证含噪声 Borealis 采样机的方法，并探讨其在图相似性与同构问题中的量子优越性。
2025-01-12 quant-ph
Tensor network influence functionals for open quantum systems with general Gaussian bosonic baths
Institut für Physik und Astronomie, Technische Universität Berlin（柏林工业大学物理与天文学院）
本文提出一种通用张量网络影响泛函方法，用于处理开放量子系统与非对易耦合算符的线性系统-浴耦合，解决了有限时间步长下的 Trotter 错误问题，实现了长时程动态模拟。
2026-03-24 quant-ph
Boson Sampling with Gaussian input states: toward efficient scaling and certification
本文提出结合连续变量量子信息与时间编码，利用双零差检测、时间环路和散射玻色采样技术，在单一实验装置中实现玻色采样实验的高效扩展与认证。
2024-11-13 quant-ph
Exact simulation of Gaussian Boson Sampling in polynomial space and exponential time
本文介绍了一种精确的经典算法来模拟高斯玻色子采样（GBS）。该算法的复杂性是探测到的光子数量的指数，这本身是一个随机变量。对于固定数量的模式，复杂性实际上等于计算输出概率的复杂性，直到常数前因子。该仿真算法可以推广到其他模型，如GBS与阈值检测器，GBS与位移，和高斯状态的采样线性组合。在将非负矩阵编码到GBS设备中的特定情况下，我们的方法导致具有多项式运行时间的近似采样算法。我们实现的算法，使代码公开的Xanadu的海象库的一部分，并基准测试其性能GBS随机Haar干涉仪和编码Erdens-Renyi图。
2020-11-16 quant-ph
Phase-noise induced many-body interference suppression in Gaussian Boson Sampling
Ulm University（乌尔姆大学）；Center for Integrated Quantum Science and Technology (IQST)（集成量子科学与技术中心）
本研究通过海森堡绘景张量网络形式研究高斯玻色采样，揭示相位扩散逐步抑制多体干涉，建立了连接相位涨落与量子干涉丧失的透明框架。
2026-09-01 quant-ph
Classical modelling of a lossy Gaussian bosonic sampler
本文提出一种基于泰勒级数展开的经典算法，用于在特定压缩参数和损耗条件下高效近似模拟有损高斯玻色采样，并指出该算法可经典模拟近期声称实现量子优势的实验。
2024-04-01 quant-ph
Hierarchies of quantum non-Gaussian coherences for bosonic systems: A theoretical study
本文提出在Fock态基下利用情境依赖认证对玻色子系统相干性进行层级分类，推导并比较两种层级，评估其在损耗和热噪声下的可行性，并可扩展至多态多模场景。
2025-08-28 quant-ph
Linear bosonic quantum channels defined by superpositions of maximally distinguishable Gaussian environments
利用两个最大可区分的等能单模高斯态的最小能量量子叠加，构造了一类作用于单个玻色子模的线性玻色子量子信道的系统-环境表示.量子信道还由对应于无源线性光学元件$U_{\text{BS}}$或双模压缩$U_{\text{TM}}$的系统和环境的幺正动力学定义。利用非经典距离的概念说明了初始环境叠加态随着约束能的增加而变得最非经典。当系统最初准备在一个相干态，应用的量子信道定义的$U_{\text{BS}}$的结果在一个非经典状态的环境能量约束的所有值。我们还讨论了量子信道的下列性质：1）相干系统可以容忍的最大噪声，超过该最大噪声，由$U_{\text{BS}}$定义的线性玻色子衰减器信道不能向系统赋予非经典相关，2）由$U_{\text{TM}}$定义的保相线性放大信道添加到相干系统的噪声，以及3）能量受限高斯态的闭凸包上迹范数收缩系数的一般下界。
2018-04-03 quant-ph
Gaussian superpositions for bosonic encodings
ICFO-Institut de Ciencies Fotoniques, The Barcelona Institute of Science and Technology（ICFO-光子科学研究所，巴塞罗那科学与技术研究院）；Universidad de Buenos Aires, Facultad de Ciencias Exactas y Naturales（布宜诺斯艾利斯大学，理学院）；CONICET - Universidad de Buenos Aires, Instituto de Física de Buenos Aires (IFIBA)（阿根廷国家科学研究委员会-布宜诺斯艾利斯大学，布宜诺斯艾利斯物理研究所 (IFIBA)）
针对有限高斯分支支持的态，提出精确有限流形编码，利用高斯重叠构建有效密度矩阵，实现熵、非高斯性和纠缠负性的闭式解析计算，桥接连续变量资源与离散信息度量。
2026-06-16 quant-ph
Extended validations on photon number resolving detector based Gaussian boson sampling with low noises
The 32nd Research Institute of China Electronics Technology Group Corporation（中国电子科技集团公司第三十二研究所）；Shanghai Research Center for Quantum Sciences（上海量子科学研究中心）
本文基于光子数分辨探测器对带有低噪声的高斯玻色采样进行扩展验证，通过模式识别验证和相关方法对比，定量评估噪声水平，并利用混合态模拟和输出分箱策略提高经典模拟效率。
2026-05-18 quant-ph
Holographic Gaussian Boson Sampling with Matrix Product States on 3D cQED Processors
本文提出在3D cQED处理器上利用矩阵积态表示模拟多模态向量的量子电路，通过测量和重新初始化重用工作模式，实现了基于全息高斯玻色采样的分子对接模拟。
2024-06-06 quant-ph
