研究2022年10月20日|开放获取 用生成查询神经网络灵活学习量子态 使用机器学习来描述量子态已经被证明,但通常使用来自想要描述的相同状态的数据来训练算法。在这里,作者展示了一种算法,可以学习与用于训练的状态在结构上有相似之处的所有状态。 燕朱 ,Ya-Dong吴 &朱里奥Chiribella 自然通讯 13, 6222年
研究10月19日|开放获取 利用光流调节飞行姿态的不可观测性 结合姿态与加速度方向相关的运动模型,可以从光流中提取姿态,从而实现稳定的飞行姿态控制,并在不可观测条件下产生轻微振荡。 圭多·c·h·e·德·克朗 ,朱利安·j·g·杜佩鲁 &弗兰克ruffy 自然 610, 485 - 490
评论与观点2022年9月9日|开放获取 没有可信节点的远程QKD在现有技术下是不可能实现的 一项最近公布的专利(https://www.ipo.gov.uk/p-ipsum/Case/PublicationNumber/GB2590064)声称开发了一种新的量子密钥分发协议,据称可以在没有可信节点和不使用量子中继器的情况下实现远程量子安全。在这里,我们对这种说法进行了直截了当的分析,并得出结论,它在很大程度上是没有根据的。 布鲁诺Huttner ,罗曼Alleaume &雨果Zbinden 量子信息 8, 108年
评论与观点|5月19日 机器学习和密度泛函理论 在过去的十年中,机器学习在逼近密度泛函方面取得了重大进展,但这是否标志着人类设计泛函的终结还有待观察。 瑞安Pederson ,Bhupalee Kalita &Kieron伯克 自然物理评论 4, 357 - 358
新闻及观点|2022年4月28日 我们在量子方面的进展如何 一项理论分析显示了如何通过单光子的传输来验证一个人在空间中的位置。量子网络的重要应用可能指日可待。 优素福Alnawakhtha &卡尔·米勒 自然物理 18, 611 - 612