9721 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.
Diese Arbeit erweitert graphentheoretische Methoden von einseitigen auf zwei-seitige lokale Operationen und klassische Kommunikation (LOCC), um die Unterscheidbarkeit bipartiter Quantenproduktzustände zu charakterisieren, indem sie Abschlusseigenschaften herleitet, hinreichende und nicht hinreichende Graphklassen identifiziert und illustrierende Beispiele bereitstellt.
Dieses Paper schlägt ein Schema zum Nachweis dunkler Materie unter Verwendung eines Arrays aus unverschränkten Qubits in einem Ramsey-Typ-Interferometer vor, um eine Sensitivitätsskalierung von zu erreichen, und demonstriert, dass Ionenfallen-Systeme mit bestehende experimentelle und astrophysikalische Schranken für wellenartige dunkle Materie und hochfrequente Gravitationswellen erreichen oder übertreffen können.
Das Paper stellt den Handover Iterative Neural Quantum State (HI-NQS) Algorithmus vor, eine rein klassische, GPU-basierte Methode, die ein Dual-Channel-Transformer-Neuronales-Netzwerk mit einem iterativen Sample-Diagonalize-Update-Framework kombiniert, um im Vergleich zu konventionellen Selected Configuration Interaction Ansätzen chemische Genauigkeit und eine überlegene Skalierbarkeit für stark korrelierte Systeme zu erreichen.
Dieses Paper führt ein skalierbares, permutationsäquivariantes Quantengraph-neuronales Netzwerk-Framework ein, das Message Passing auf beliebigen Ebenen der Weisfeiler-Leman-Hierarchie durchführt, wodurch ein effektives Pre-Training ermöglicht und eine praktische Leistungsfähigkeit bei groß angelegten Simulationen über Aufgaben der molekularen Vorhersage und der kombinatorischen Optimierung hinweg demonstriert wird.
Dieses Paper präsentiert eine monolithische, ultratiedrige Siliziumnitrid-integrierte Photonikplattform, welche die Skalierungsbeschränkungen der Silizium-Photonik überwindet, indem sie Rekord-hohe Fidelitäten bei der Präparation von EPR-Zuständen und der Synthese von Vier-Photonen-GHZ-Zuständen erreicht, während sie gleichzeitig eine vierfach höhere Zählrate liefert, die mehr als zwei Größenordnungen über bisherigen Implementierungen liegt.
Dieses Paper führt einen Fixed-Topology-Givens-Exchange-Ansatz für Variational Quantum Eigensolver ein, der chemisch genaue und reproduzierbare Berechnungen der molekularen Grundzustandsenergie erreicht, ohne eine Architektur-Suche zu erfordern, und dabei suchbasierte Methoden bei spezifischen Benchmark-Systemen übertrifft.
Dieses Paper schlägt eine neuartige Lattice-Patch-Architektur für festfrequenzbasierte Transmon-Quantencomputer vor, die vier Qubits an einen einzelnen Koppler koppelt, um Frequenzüberfüllung zu eliminieren und das Surface-Code-Mapping zu optimieren, wobei hochpräzise CNOT-Gatter (>0,98) über alle Konnektivitätsrichtungen hinweg erreicht werden, während parasitäre Phasenakkumulation durch virtuelle -Kalibrierung adressiert wird.
Diese Arbeit demonstriert eine abstimmbare photonische Plattform für offene Quantensysteme, die aufzeigt, wie kontrollierte Dekohärenz die nicht-hermiteschen Skin-Dynamiken aktiv umgestalten kann, indem sie einen Übergang von kohärenzverstärktem zu dekohärenzverstärktem gerichtetem Transport vorantreibt.
Dieses Papier führt die „Witness Expansion“ ein, ein vereinheitlichtes Framework, das polynombasierte Kriterien zur Detektion sowohl reiner als auch gemischter Quantenressourcen im Zusammenhang mit spezifischen freien Unitär-Operatoren konstruiert, wobei etablierte Maße wie Kohärenz und Verschränkung erfolgreich reproduziert sowie neuartige analytische Werkzeuge zur Detektion von fermionischer Nicht-Gauß-Natur in Mischzuständen und Magic States bereitgestellt werden.
Dieses Paper führt Neural Transfer Unification (NTU) ein, ein Framework, das gemeinsame algebraische Strukturen nutzt, um ein effizientes, skalierbares Training von Foundation Decodern über verschiedene Code-Distanzen hinweg zu ermöglichen, was durch die überlegene Performance des NTU-Transformers auf großskaligen planarer Surface- und bivariater Bicycle-Codes im Vergleich zu bestehenden Matching- und Belief-Propagation-Methoden demonstriert wird.