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.

Training single-electron and single-photon stochastic physical neural networks

Diese Studie stellt neuartige stochastische neuronale Netzwerke auf Basis von Einzel-Elektronen-Tunneln und Einzel-Photonen-Quellen vor und zeigt, dass diese physikalischen Systeme trotz hoher Rauschpegel und Unsicherheiten durch geeignete Trainingsstrategien eine Testgenauigkeit von über 97 % bei der MNIST-Bilderkennung erreichen.

Tong Dou, Shiro Kumara, Josh Burns, Ethan Sigler, Parth Girdhar, David Petty, Gerard Milburn, Jo Plested, Matt Woolley2026-04-14⚛️ quant-ph

Answering Counting Queries with Differential Privacy on a Quantum Computer

Diese Arbeit untersucht, wie man Zählabfragen auf quantenkodierten Datensätzen mit Differential Privacy beantwortet, indem sie zeigt, dass dies auf die Messung von Amplituden reduziert werden kann, und analysiert dabei zwei Algorithmen zur Amplitudenmessung, um sowohl verbesserte Privatsphärengarantien als auch einen differenziell privaten Ansatz für die Amplitudenschätzung zu etablieren.

Arghya Mukherjee, Hassan Jameel Asghar, Gavin K. Brennen2026-04-14⚛️ quant-ph

Quantum Measurement Statistics as Bayesian Uncertainty Estimators for Physics-Constrained Learning

Diese Arbeit stellt einen formalen Zusammenhang zwischen Born-Regel-Messstatistiken in variationalen Quantenschaltkreisen und der bayesschen Unsicherheitsherleitung her und zeigt, dass physikbeschränkte Quantenmodelle im Vergleich zu klassischen Methoden wie MC Dropout und Deep Ensembles eine präzisere, schmalere und informationsreichere Unsicherheitsquantifizierung für physikalische Lernsysteme ermöglichen.

Prasad Nimantha Madusanka Ukwatta Hewage, Midhun Chakkravarthy, Ruvan Kumara Abeysekara2026-04-14⚛️ quant-ph

Enhanced squeezing for quantum gravimetry in a Bose-Einstein condensate with focussing

Die Studie zeigt, dass die Anwendung eines plötzlichen Delta-Kicks zur Fokussierung eines Bose-Einstein-Kondensats die Dichte und damit die Spin-Quetschung erhöht, was zu einer vierfach verbesserten Phasenempfindlichkeit in Quantengravimetern führt, die das Standard-Quantenlimit um den Faktor 20 unterschreitet.

Lewis A. Williamson, Karandeep Gill, Andrew J. Groszek, Matthew J. Davis, Simon Haine2026-04-14🔬 cond-mat

Compiler Framework for Directional Transport in Zoned Neutral Atom Systems with AOD Assistance: A Hybrid Remote CZ Approach

Die vorgestellte Arbeit präsentiert einen Compiler und einen Hybrid-Ansatz für zonierte neutrale Atom-Systeme, der durch den Einsatz von gerichteter Transporttechnologie (DT) in Kombination mit AOD-Feinabstimmung die Einschränkungen herkömmlicher AOD-Shuttling-Verfahren überwindet und damit effiziente, langreichweitige CNOT-Gatter zwischen nicht-adjazenten Qubits ermöglicht.

Lingyi Kong, Chen Huang, Zhemin Zhang, Yidong Zhou, Xiangyu Ren, Shaochen Li, Zhiding Liang2026-04-14⚛️ quant-ph

SPATE: Spiking-Phase Adaptive Temporal Encoding for Quantum Machine Learning

Die Arbeit stellt SPATE vor, ein neuartiges spik-basiertes Kodierungsverfahren für das Quanten-Machine-Learning, das durch die Umwandlung tabellarischer Daten in Spike-Züge und deren Abbildung auf Quantenrotationen zeitliche Strukturen effektiv erfasst und damit gegenüber statischen Kodierungsmethoden deutlich verbesserte Merkmalsdarstellungen sowie höhere Klassifikationsgenauigkeiten unter begrenzten Qubit-Ressourcen ermöglicht.

Nouhaila Innan, Rachmad Vidya Wicaksana Putra, Muhammad Shafique2026-04-14⚛️ quant-ph

Topological Engine Monitor: Persistent Homology-Based Fault Detection in Finite-Time Quantum Engines

Diese Studie stellt einen robusten, rein geometrischen Ansatz zur nicht-invasiven Fehlererkennung in endzeitlichen Quanten-Wärmekraftmaschinen vor, der mithilfe persistenter Homologie und schwacher Messungen die Zuverlässigkeit unter realistischen Rauschbedingungen im Vergleich zu herkömmlichen statistischen Methoden deutlich verbessert.

Miraç Kerem Maden, Asghar Ullah, Baris Coskunuzer, Özgür E. Müstecaplıoğlu2026-04-14⚛️ quant-ph