MétaCan
Menu
Retour à la cohorte
Enregistrement W4413377982 · doi:10.1088/2058-9565/adfc08

Quantum ergodicity and scrambling in quantum annealers

2025· article· en· W4413377982 sur OpenAlexafffund
Manuel H. Muñoz-Arias, Pablo M. Poggi

Notice bibliographique

RevueQuantum Science and Technology · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueQuantum Computing Algorithms and Architecture
Établissements canadiensInstitut quantiqueUniversité de Sherbrooke
Organismes subventionnairesBasic Energy SciencesOffice of ScienceCanada First Research Excellence FundU.S. Department of Energy
Mots-clésScramblingQuantumErgodicityPhysicsMathematicsQuantum mechanicsAlgorithm

Résumé

récupéré en direct d'OpenAlex

Abstract Quantum annealers play a major role in the ongoing development of quantum information processing and in the advent of quantum technologies. Their functioning is underpinned by the many-body adiabatic evolution connecting the ground state of a simple system to that of an interacting classical Hamiltonian which encodes the solution to an optimization problem. Here we explore more general properties of the dynamics of quantum annealers, going beyond the low-energy regime. We show that the unitary evolution operator describing the complete dynamics is typically highly quantum chaotic. As a result, the annealing dynamics naturally leads to volume-law entangled random-like states when the initial configuration is rotated away from the low-energy subspace. Furthermore, we observe that the Heisenberg dynamics of a quantum annealer leads to extensive operator spreading, a hallmark of quantum information scrambling. In contrast, we find that when the annealing schedule is returned to the initial configuration (i.e. via a cyclic ramp), a subtle interplay between chaos and adiabaticity emerges, and the dynamics shows strong deviations from full ergodicity.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,008
Tête enseignante GPT0,254
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueQuantum Science and TechnologyMême sujetQuantum Computing Algorithms and ArchitectureTravaux en français237 207