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.

Performance Guarantees for Quantum Neural Estimation of Entropies

Dieser Artikel leitet nicht-asymptotische Fehler-Risiko-Schranken und sub-Gaußsche Konzentrationsgarantien für Quanten-Neuronale Schätzer gemessener relativer Entropien her, zeigt eine minimax-optimale Kopienkomplexität auf, die effizient mit der Systemdimension und der Genauigkeit skaliert, und liefert gleichzeitig theoretische Leitlinien für die Hyperparameter-Abstimmung.

Sreejith Sreekumar, Ziv Goldfeld, Mark M. Wilde2026-05-15⚛️ quant-ph

DeepQuantum: A PyTorch-based Software Platform for Quantum Machine Learning and Photonic Quantum Computing

DeepQuantum ist eine quelloffene, auf PyTorch basierende Softwareplattform, die Quantenschaltkreise, photonische Quantenschaltkreise und messungsbasiertes Quantencomputing einzigartig integriert, um effiziente hybride quantenklassische Modellierung, großskalige Tensor-Netzwerksimulationen und robuste Algorithmenentwicklung sowohl für photonisches Quantencomputing als auch für maschinelles Quantenlernen zu ermöglichen.

Jun-Jie He, Ke-Ming Hu, Yu-Ze Zhu, Guan-Ju Yan, Shu-Yi Liang, Xiang Zhao, Ding Wang, Fei-Xiang Guo, Ze-Feng Lan, Xiao-Wen Shang, Zi-Ming Yin, Xin-Yang Jiang, Lin Yang, Hao Tang, Xian-Min Jin2026-05-15⚛️ quant-ph

Coupled-wire construction of non-Abelian higher-order topological phases

Dieser Artikel schlägt eine Kopplungsdraht-Konstruktion für nicht-abelsche topologische Phasen höherer Ordnung vor, die ein Minimalmodell eines nicht-abelschen topologischen Isolators zweiter Ordnung demonstriert, bei dem hybridisierte Eckenzustände durch einen vereinheitlichten topologischen Vektor geschützt sind, der nicht-abelsche Quaternionenladungen und abelsche Windungszahlen kombiniert, wodurch unterschiedliche topologische Klassen überbrückt und experimentelle Realisierungen in synthetischen Quantensystemen vorgeschlagen werden.

Jiaxin Pan, Longwen Zhou2026-05-15🔬 cond-mat.mes-hall

Microscopic Quantum Friction

Dieser Artikel stellt eine mikroskopische Theorie der Quantenreibung zwischen Atomen im Grundzustand vor und zeigt, dass irreversible, ungeradparitätige geschwindigkeitsabhängige Kräfte, die aus innerer Dissipation entstehen, den dominierenden Reibungsmechanismus bei Raumtemperatur darstellen und universelle Merkmale wie eine kubische Geschwindigkeitsabhängigkeit bei Temperatur null offenbaren.

Pedro H. Pereira, F. Impens, C. Farina, P. A. Maia Neto, R. de Melo e Souza2026-05-15⚛️ quant-ph

A Framework for Spatial Quantum Sensing

Dieser Beitrag stellt ein Framework für die räumliche Quantensensorik vor, das algebraische Geometrie nutzt, um Bedingungen für eine fehlerfreie Feldschätzung durch Sensorplatzierung zu etablieren, zeigt, dass nicht-lokale verschränkte Protokolle unter globalen Ressourcenbeschränkungen eine maximale Präzision erreichen, und schlägt fehlerfreie Unterräume vor, um die Sensoranforderungen durch Ausnutzung von Vorwissen über das Feld zu reduzieren.

Luís Bugalho, Yasser Omar, Damian Markham2026-05-15⚛️ quant-ph

A QPINN Framework with Quantum Trainable Embeddings for the Lid-Driven Cavity Problem

Dieser Beitrag stellt ein Quantum Physics-Informed Neural Network (QPINN)-Rahmenwerk vor, das quantenmechanisch trainierbare Einbettungen zur Lösung des Problems der von einer Wand angetriebenen Kavität nutzt und zeigt, dass dieser Ansatz ein stabiles Training und eine wettbewerbsfähige Genauigkeit mit deutlich weniger Parametern als klassische PINNs erreicht, wodurch das Potenzial trainierbarer Quanteneinbettungen für eine parameter-effiziente physikinformierte Lernmethode hervorgehoben wird.

Nahid Binandeh Dehaghani, Ban Q. Tran, Susan Mengel, Rafal Wisniewski, A. Pedro Aguiar2026-05-15⚛️ quant-ph

Universal Spin Squeezing Dynamical Phase Transitions across Lattice Geometries, Dimensions, and Microscopic Couplings

Dieser Artikel belegt die Universalität eines dynamischen Spin-Squeezing-Phasenübergangs über verschiedene Gittergeometrien und Wechselwirkungskopplungen hinweg, identifiziert eine neue Nichtgleichgewichts-Universalitätsklasse mit kritischer Skalierung, die sowohl im langreichweitigen als auch im kurzreichweitigen Regime besteht, und bietet einen vielseitigen Weg zur Kontrolle der Verschränkung in Quantenplattformen.

Arman Duha, Thomas Bilitewski2026-05-15⚛️ quant-ph

All-Electric Quantum State Transfer via Spin-Orbit Phase Matching

Dieser Artikel schlägt ein rein elektrisches Steuerprotokoll für Lochspin-Qubits vor, das die durch Spin-Bahn-Kopplung bedingten anisotropen Austauschbeschränkungen überwindet, indem es entweder die Abstimmung der elektrischen Feldstärke zur Erreichung diskreter Phasenanpassungsbedingungen oder die Ausrichtung der elektrischen Feldrichtung zur Unterdrückung nicht-erhaltender Prozesse nutzt, wodurch eine robuste Quantenzustandsübertragung über große Entfernungen ermöglicht wird.

Madhumita Sarkar, Roopayan Ghosh, Charles G. Smith, Maksym Myronov, Sougato Bose2026-05-15⚛️ quant-ph