⚛️ Category

quant-ph

10702 Arbeiten

Die Quantenphysik erforscht die seltsame und faszinierende Welt der kleinsten Teilchen, wo die klassischen Gesetze der Physik ihre Gültigkeit verlieren. In diesem Bereich geht es um Phänomene wie Verschränkung und Superposition, die nicht nur unser Verständnis des Universums erweitern, sondern auch den Weg für revolutionäre Technologien wie Quantencomputer ebnen.

Auf Gist.Science stellen wir Ihnen die neuesten Erkenntnisse aus diesem dynamischen Feld direkt zur Verfügung. Wir verarbeiten systematisch jeden neuen Preprint aus dem arXiv-Repositorium in der Kategorie Quant-Ph und erstellen dazu sowohl verständliche Zusammenfassungen für ein breites Publikum als auch detaillierte technische Analysen für Fachleute.

Hier finden Sie die aktuellsten Veröffentlichungen, die unser Team gerade für Sie aufbereitet hat.

⚛️ Quantenphysik

Post-processing optimization and optimal bounds for non-adaptive shadow tomography

Diese Arbeit führt einen konvexen Minimax-Algorithmus zur Optimierung der Post-Processing-Verfahren in der nicht-adaptiven Schatten-Tomographie ein, welcher die engsten zustandsunabhängigen Varianzgrenzen für informationell überkomplette POVMs bestimmt und zeigt, dass diese optimierten Schätzer die Stichprobenkomplexität signifikant reduzieren und das Skalierungsverhalten für strukturierte Zielzustände im Vergleich zu Standardrekonstruktionen verbessern können.

Andrea Caprotti, Joshua Morris, Borivoje Dakić2026-01-26
⚛️ Quantenphysik

Exploring Noisy Quantum Thermodynamical Processes via the Depolarizing-Channel Approximation

Diese Arbeit führt ein allgemeines Framework unter Verwendung eines globalen Depolarisationskanals ein, um gatespezifisches Rauschen in Quantensystemen analytisch zu approximieren, wobei es auf das Two-Sort-Algorithmic-Cooling-Protokoll angewendet wird, um dessen asymptotische Kühlgrenze abzuleiten und zu demonstrieren, dass die optimale Leistung mit einer endlichen Anzahl von Qubits anstatt mit einer unendlichen erreicht wird.

Jian Li, Xiaoyang Wang, Marcus Huber, Nicolai Friis, Pharnam Bakhshinezhad2026-01-26
⚛️ Quantenphysik

Low-Loss, High-Coherence Airbridge Interconnects Fabricated by Single-Step Lithography

Diese Arbeit präsentiert ein vereinfachtes einstufiges Lithografieverfahren zur Herstellung verlustarmer, hochkohärenter Nanoscale-Airbridges, welche die Dephasierungszeiten von Qubits verbessern und gleichzeitig eine robuste mechanische Stabilität für fortschrittliche Quantenbauelemente gewährleisten.

Jibang Fu, Bo Ren, Jiandong Ouyang, Cong Li, Kechengqi Zhu, Yonggang Che, Xiang Fu, Shichuan Xue, Zhaohua Yang, Mingtang (…)2026-01-26
⚛️ Quantenphysik

Gluing Randomness via Entanglement: Tight Bound from Second Rényi Entropy

Diese Arbeit stellt fest, dass Verschränkung als die fundamentale Ressource für die Erzeugung globaler zufälliger Quantenzustände mittels lokaler Operationen dient, wobei sie zeigt, dass die Qualität der resultierenden approximativen Zustandsdesigns eng durch die zweite Rényi-Verschränkungsentropie des Ausgangszustands begrenzt wird, was somit die maximale Kapazität zur Generierung von Zufälligkeit unter ressourcenfreien Beschränkungen definiert.

Wonjun Lee, Hyukjoon Kwon, Gil Young Cho2026-01-26
⚛️ Quantenphysik

Indefinite Causal Order from Failure-to-Glue: Contextual Semantics and Parametric Time

Dieses Paper schlägt einen vereinheitlichten Rahmen vor, der die unbestimmte kausale Ordnung als ein „Versagen des Zusammenfügens“ (failure-to-glue) von Kontexten mit definitiver Ordnung unter Verwendung der Kategorientheorie und eines siebenwertigen Klassifizierers charakterisiert, während es diese Perspektive auf die Quantengravitation anwendet, um kausale Unbestimmtheit als die Unbestimmtheit von parametrischen Interventionsordnungen trotz eines zugrunde liegenden global geordneten mikroskopischen Prozesses zu interpretieren.

Partha Ghose2026-01-26
🔢 Mathematik

Efficient quantum machine learning with inverse-probability algebraic corrections

Dieses Paper schlägt ein Framework für invers-probabilistisches algebraisches Lernen für Quanten-Neuronale-Netze vor, das Vorhersagefehler direkt über eine Jacobi-Pseudoinverse auf Parameterkorrekturen abbildet und im Vergleich zu traditionellen gradientenbasierten Optimierungsmethoden eine signifikant schnellere Konvergenz, geringere Endfehler sowie Robustheit gegenüber Rauschen demonstriert.

Jaemin Seo2026-01-26
⚛️ Quantenphysik

Entanglement harvesting in the presence of cavities

Diese Arbeit präsentiert eine analytische und numerische Untersuchung, die zeigt, dass das Entanglement Harvesting in zylindrischen Kavitäten eine starke Abhängigkeit von der Kavitätslänge und der Feldparität aufweist, während es in Regimen maximaler Verschränkung sowie bei unterschiedlichen Skalierungen innerhalb und außerhalb des Lichtkegels invariant gegenüber dem Kavitätsradius ist.

Jannik Ströhle, Nikolija Momcilovic2026-01-26