Aller au contenu principal
Accès ouvert déclaré 2026 preprint

Quantum-classical crossover in fault-tolerant quantum dynamics simulation

0Citations signalées, ce qui n’est pas une note de qualité
15Institutions déclarées
5Pays d’affiliation déclarés

Rattachement africain : gb, cn, hk, us, kp. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

While quantum computers promise to solve classically intractable problems, identifying the point at which fault-tolerant quantum computation outperforms the best classical algorithms for practical applications remains an outstanding challenge. Here we establish a concrete quantum-classical crossover for quantum many-body dynamics under realistic hardware conditions. We introduce a scalable fault-tolerant framework that combines coherent observable estimation with a space-time-efficient implementation of non-Clifford rotations, suppressing the residual logical errors that limit existing partially fault-tolerant approaches. A benchmark against state-of-the-art tensor-network and variational Monte Carlo algorithms reveals a concrete crossover for mixed-field Ising dynamics at modest system sizes. For a physical error rate of $p=10^{-3}$, fault-tolerant simulation requires approximately 2 hours and $3.7 \times 10^5$ physical qubits for a 100-site 1D system, whereas tensor network approaches would require about 100 years. For 2D models, where rapid entanglement growth limits the classical evolution time, we project quantum runtimes within minutes. A physical error rate of $p=10^{-4}$ leads to at least an order of magnitude reduction in qubit count ($3.1 \times 10^4$ physical qubits) and runtime (minutes for 1D and seconds for 2D). The reduction in quantum runtime arises from our improved rotation-state injection and co-design of quantum error correction and observable-estimation protocols, which jointly suppress logical-error accumulation and reduce sampling overhead. Our results establish a scalable route towards practical quantum advantage and identify quantitative engineering targets for future fault-tolerant architectures.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

Aucun DOI disponible pour le contrôle Crossref.

Où se fait cette recherche

  • Queen Mary University of London pays non établi dans la notice
    Université ou école supérieure
  • University of Oxford Clarendon Laboratory pays non établi dans la notice
    Université ou école supérieure
  • Institute of Theoretical Physics pays non établi dans la notice
    Structure de recherche
  • University of Hong Kong Department of Computer Science pays non établi dans la notice
    Université ou école supérieure
  • Peking University Center on Frontiers of Computing Studies pays non établi dans la notice
    Université ou école supérieure
  • Beijing Academy of Quantum Information Sciences pays non établi dans la notice
    Structure de recherche
  • Shanghai Jiao Tong University Institute of Natural Sciences pays non établi dans la notice
    Université ou école supérieure
  • Virginia Tech pays non établi dans la notice
    Université ou école supérieure
  • Tulane University Department of Physics and Engineering Physics pays non établi dans la notice
    Université ou école supérieure
  • Fudan University Key Laboratory for Information Science of Electromagnetic Waves (Ministry of Education) pays non établi dans la notice
    Université ou école supérieure
  • South China Normal University pays non établi dans la notice
    Université ou école supérieure
  • Institute of Physics pays non établi dans la notice
    Structure de recherche

Queen Mary University of London, Clarendon Laboratory — University of Oxford et Institute of Theoretical Physics, avec 9 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Quantum Computing Algorithms and ArchitectureQuantum many-body systemsMachine Learning in Materials Science

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.