3968 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 Autoren stellen ein Quantensensing-Protokoll vor, das durch Zwei-Photonen-Interferenz und Abtastmessungen im Frequenz- und transversalen Impulsraum die ultimative Empfindlichkeit für die simultane 3D-Relativlokalisation zweier Einzelphotonenquellen erreicht und damit die Grundlage für eine Beugungsgrenzen-überschreitende 3D-Nanoskopie schafft.
Die Studie stellt ein hybrides quanten-klassisches rekurrentes neuronales Netzwerk vor, das durch den Einsatz von Quantum Long Short-Term Memory-Schichten die Vorhersage der verbleibenden Nutzungsdauer von Triebwerken mit geringerer Parameteranzahl und höherer Genauigkeit als herkömmliche klassische Modelle ermöglicht.
Die Autoren stellen den TQml Simulator vor, einen hochoptimierten Quantensimulator für maschinelles Lernen, der durch die dynamische Auswahl effizienter Simulationsmethoden für einzelne Gate-Schichten die Performance gegenüber dem Standard-Pennylane-Simulator um den Faktor 10 steigert.
Diese Arbeit leitet eine neue, für zyklische Quantenentwicklungen nicht-triviale Quanten-Geschwindigkeitsgrenze her, indem sie isoholonomische Ungleichungen auf isospektrale und isodegenerierte Dichteoperatoren im Rahmen eines eichtheoretischen Ansatzes für geometrische Phasen erweitert.
Diese Arbeit untersucht die Überlegenheit quantenmechanischer räumlicher Superposition gegenüber klassischen und verallgemeinerten Interferenzmodellen beim Abruf dezentraler Informationen, indem sie die Verletzung einer „Fingerprinting-Ungleichung" analysiert und zeigt, dass ein Quantenteilchen mit einem internen Freiheitsgrad von d=2 eine stärkere Verletzung erreicht als für d=1, während größere Dimensionen keinen weiteren Vorteil bieten.
Die Studie zeigt, dass sich durch die Verbindung zweier evolutionär kontrollierbarer Qubit-Arrays mittels eines einzigen verschränkenden Zwei-Qubit-Gatters skalierbare, modulare Quantenprozessoren mit reduzierten lokalen Kontrollen und Kopplungen effizient aufbauen lassen, was die Herausforderung der Kontrollierbarkeit großer Qubit-Arrays löst.
Die Autoren stellen einen ressourceneffizienten, flachgeschalteten Hadamard-Test-Framework vor, der in Kombination mit einem maßgeschneiderten parametrisierten Quantenansatz erfolgreich zur Simulation nichtlinearer Burgers-Dynamik auf NISQ-Hardware eingesetzt wird und dabei sowohl hohe Genauigkeit als auch Robustheit gegenüber Rauschen demonstriert.
Die Studie zeigt, dass eine nicht verschwindende Magnetisierung die Grundzustands-Phasendiagramme des zweikomponentigen Bose-Hubbard-Modells neu ordnet, indem sie komponentenspezifische Mott-Isolator-Grenzen einführt und die Entstehung hybrider Phasen ermöglicht, in denen Superfluidität und Mott-Isolator koexistieren.
Die Autoren stellen eine Methode vor, bei der durch gezieltes Engineering der effektiven Kopplungsmatrix und der geometrischen Phasen in den Bewegungsmodes von Ionensträngen crosstalk-empfindliche Verschränkungsgatter entwickelt werden, die Störungen durch benachbarte Ionen ohne zusätzliche Operationen oder Kenntnisse des Crosstalks automatisch kompensieren.
Diese Arbeit stellt eine hybride Quanten-Klassisch-Methode vor, die den Quanten-Assistenten GCS-Q für das Korrelations-Clustering adaptiert und durch rekursive Teilung sowie Quanten-Annealing robuste und qualitativ hochwertige Clusterergebnisse auf realen Daten liefert, ohne dabei metrische Annahmen oder eine vordefinierte Clusteranzahl zu benötigen.