面向Hadronic Tomography的选择性量子优势：从CFF、GPD、TMD到GTMD的显式案例
高能物理 - 唯象学
2026-04-14 v1
摘要
我们将QCD中的量子优势论点重构为逐项可观测量的问题,而非对量子色动力学的笼统主张。聚焦于Hadronic Tomography,我们分析了为何Compton型结构因子(CFF)、广义Parton分布(GPD)、横向动量依赖分布(TMD)以及广义横向动量依赖分布(GTMD)是自然的量子目标:它们由光面、离向或实时关联函数定义,其从Euclidean计算或稀疏实验数据提取往往是难题的逆问题。我们分离了三种优势概念-算法优势、计算优势和表示优势-并将其连接到具体形式对象。在算法层面,Hamiltonian模拟、线性响应算法和幅度估计原语为实时和含符号问题的可观测量提供了收益。在计算层面,矩阵元和关联函数的直接量子评估对PDF、GPD、时空响应和高能演化变得可行。在推断层面,最近的量子深度神经网络(QDNN)研究表明CFF提取在噪声和稀疏 regime中表现出改进性能,并激励混合拟合,其中量子模拟器提供物理先验,而经典网络模型拟合探测器和杂质效应。我们讨论了为何实际设备执行是科学必需的,概述了当前硬件里程碑,并提出了对Hadronic Tomography中可信量子优势声称的基准准则。
引用
@article{arxiv.2604.10025,
title = {Toward selective quantum advantage in hadronic tomography:explicit cases from Compton form factors, GPDs, TMDs, and GTMDs},
author = {I. P. Fernando and D. Keller},
journal= {arXiv preprint arXiv:2604.10025},
year = {2026}
}