6391 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.
Die Studie stellt ein hardware-effizientes Quanten-Reservoir-Computing-Framework für die Stromlastprognose vor, das durch den Verzicht auf Quanten-Backpropagation und den Einsatz von 8- oder 6-Bit-Quantisierung der klassischen Ausleseschicht eine Speicherreduktion von bis zu 81 % bei nur minimalen Genauigkeitsverlusten ermöglicht.
Die Arbeit stellt das erste rigorose Rahmenwerk für das Gibbs-Sampling bosonischer Vielteilchensysteme vor, indem sie nachweist, dass Bose-Hubbard-Modelle gapped dissipative Generatoren besitzen, was eine effiziente Vorbereitung thermischer Zustände auf Quantencomputern und damit die Berechnung thermischer Eigenschaften unendlichdimensionaler Systeme ermöglicht.
Die Arbeit stellt eine konstruktive Charakterisierung von translationsequivarianten Quanten-Convolutional-Neural-Networks vor, die auf der Diagonalisierung von Pixelverschiebungen durch die Quanten-Fourier-Transformation basieren, und beweist, dass diese Architektur im Vergleich zu herkömmlichen Ansätzen keine durch die Tiefe verursachten barren plateaus aufweist.
Diese Arbeit stellt nicht-variative Quantenoptimierungsansätze vor, die mithilfe von Iterative-QAOA und effizienteren HUBO-Formulierungen das NP-harte Problem der pangenomgesteuerten Sequenzassemblierung lösen und damit eine biologisch motivierte Anwendungsmöglichkeit für praktische Quantenoptimierung auf aktuellen Hardwaregeräten aufzeigen.
Die Studie stellt die Shot-Based Quantum Encoding (SBQE) vor, eine neue Daten-Loadings-Strategie für Quantenneuronale Netze, die durch die Verteilung von Mess-Shots über verschiedene Anfangszustände ohne Daten-Encodings-Gates eine höhere Genauigkeit bei Fashion-MNIST- und Semeion-Datensätzen erreicht und gleichzeitig die Hardware-Anforderungen für Noisy-Intermediate-Scale-Quantencomputer erfüllt.
Die Arbeit stellt einen Überblick über die Rolle von erzeugenden Funktionen in der Quantenmechanik dar und zeigt, wie sich durch die Erweiterung des Bargmann-Invarianten auf quasidiabatische Zyklen geometrische Binder-Kumulanten ableiten lassen, die als sensitive Werkzeuge zur Identifizierung von Quantenphasenübergängen, Lokalisierung und Metall-Isolator-Übergängen dienen.
Diese Arbeit zeigt, dass die Gitterschwingung der Quantenelektrodynamik als Quantenfehlerkorrekturcode verstanden werden kann, indem Quantenreferenzrahmen genutzt werden, um die Entartung von Syndromen aufzulösen und explizite Wiederherstellungsoperationen für sowohl reine Eichfelder als auch Fermionen zu konstruieren.
Die Arbeit stellt AQOCI vor, eine adaptive Methode zur Initialisierung von Clusterzentren mittels Quantenoptimierung, die durch iterative Verfeinerung und Quanten-Löser auf synthetischen sowie realen Daten im Vergleich zu herkömmlichen Ansätzen wie k-means++ verbesserte oder konkurrenzfähige Ergebnisse liefert.
In diesem Papier werden die durch Energieerhaltung bedingten nichtlinearen Terme untersucht, die makroskopische Superpositionen unterdrücken, wobei gezeigt wird, dass die für räumliche „Katzenzustände" vorgeschlagenen Terme physikalisch zulässig sind, während eine Verallgemeinerung auf nicht-reine Spin-Modelle scheitert, was durch ein Spielzeugmodell und einen Vergleich mit Kollapsmodellen weiter erläutert wird.
Die Arbeit stellt DisQ, das erste formale Modell für verteilte Quantenprozessoren, vor, das eine Programmiersprache auf Basis von Chemical Abstract Machine und Markov Decision Processes nutzt, um verteilte Quantenalgorithmen zu analysieren und deren Äquivalenz zu sequenziellen Versionen über eine Simulationsrelation zu verifizieren.