揭示非最短路径在量子网络中的重要性

量子网络（QNs）表现出比经典渗流预测更强的连通性，然而这一现象的起源尚未被探索。我们应用统计物理模型——并发渗流（concurrence percolation）——来揭示层级无标度网络（即 ($U,V$) 花图）上更强连通性的起源。这些网络允许通过两个可调路径长度参数 $U \leq V$ 对路径连通性进行完全解析控制。这种精确控制使我们能够确定远超当前模拟极限的临界指数，揭示出经典渗流和并发渗流虽然都满足超标度关系，但属于不同的普适类。这种区别源于它们如何将平行的非最短路径贡献“叠加”到整体连通性中。与经典对应物不同，并发渗流对非最短路径敏感，并且随着这些路径变长，显示出对绕道的更高弹性。这种增强的弹性在现实世界的层级无标度互联网网络中也观察到了。我们的发现突出了 QN 设计的一个关键原则：当非最短路径丰富时，它们会显著增强 QN 连通性，超出经典渗流所能达到的水平。