10986 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 widerlegt die von Coutts et al. vorgeschlagene Optimalitätsvermutung bezüglich der auf der Trace-Distanz basierenden optimalen Zustandsumwandlung, indem sie ein Gegenbeispiel in einem zweidimensionalen Hilbertraum präsentiert, das zeigt, dass die auf die Fehlermatrix angewendete Vorzeichenfunktion nicht für jede optimale Lösung ein eindeutiges duales Zertifikat bestimmt.
MERA ist ein neuartiges Quantenkompilierungs-Framework, das pro-Qubit-Mid-Circuit-Measurement (MCM)-Fehlermodellierung und kontextsensitive dynamische Entkopplung in die Layout-, Routing- und Scheduling-Phasen integriert, um die Schaltungsfidelität ohne zusätzlichen SWAP-Overhead signifikant zu verbessern und dabei bestehende Compiler wie Qiskit und QR-Map in Benchmarks mit häufigen MCM-Operationen zu übertreffen.
Diese Studie zeigt, dass die Ising-Kritikalität eines Quantensystems unter -Dekohärenz bis zu moderaten Rauschpegeln mit Ising-ähnlichen Skalierungsexponenten bestehen bleibt, bevor sie bei starken Dekohärenzstärken schließlich in einen Übergang von einer starken zu einer schwachen spontanen Symmetriebrechung übergeht.
Dieses Paper stellt ein vortrainiertes, unüberwachtes, Transformer-basiertes neuronales Netzwerk vor, das eine nahezu perfekte Genauigkeit bei der Klassifizierung bipartiter Quantenzustände als separierbar oder verschränkt erreicht, indem es strukturelle Eigenschaften aus maskierten vektorisierten Dichtematrizen lernt und somit die Quanteninformationstheorie mit moderner künstlicher Intelligenz verbindet.
Dieses Papier präsentiert ein topologiebewusstes Quanten-Klassik-Framework, das Gaussian Boson Sampling nutzt, um Kandidaten-Zielmengen aus gewichteten Orbitalgraphen zu generieren, welche anschließend mittels mehrkriterieller evolutionärer Algorithmen optimiert werden, um Missionen zur aktiven Trümmerbeseitigung effizient zu planen, die sowohl den Geschwindigkeitszuwachs als auch die Missionsdauer minimieren.
Diese Arbeit zeigt, dass nicht-wechselwirkende fermionische Zustände, spezifisch Slater-Determinanten, eine maximale Orbitale-Verschränkung erreichen können, die mit den am stärksten korrelierten Quantenzuständen vergleichbar ist, wodurch Mean-Field-Zustände als eine lebensfähige Ressource für die Quanteninformationsverarbeitung etabliert werden.
Dieses Paper stellt ein verteiltes, quantenzentriertes Supercomputing-Framework vor, das mehrschichtiges generatives Lernen nutzt, um große intermolekulare Interaktionsprobleme in kleinere, parallele Teilprobleme zu zerlegen, wodurch im Vergleich zu konventionellen Methoden eine signifikante Reduktion der Rechendimension und der Samplingskosten bei gleichzeitiger Erhöhung der Energiegenauigkeit erreicht wird.
Diese Arbeit zeigt, dass einseitige geräteunabhängige Quantenschlüsselerzeugung (1SDI-QKD) unter Nutzung von Quantensteuerung (Quantum Steering) und der Festlegung kritischer Schwellenwerte für Detektionseffizienz und Sichtbarkeit unter realistischen Bedingungen sichere Schlüssel mit jedem reinen bivarianten verschränkten Zustand, einschließlich jener, die nahezu separabel sind, erzeugen kann.
Dieses Paper schlägt eine modulare, optische fehlertolerante Quantenrechenarchitektur vor, die die offline verifizierte Ressourcenpräparation von der Online-Logikverarbeitung über eine spezialisierte Schnittstelle trennt und durch Simulation nachweist, dass die Kombination eines rekursiv konkatenierten -Codes mit GKP-Qubits niedrige logische Fehlerraten erreicht, während gleichzeitig ein gemeinsamer Gauß-Prozessor mit flachen Online-Operationen beibehalten wird.
Diese Arbeit zeigt, dass die Nutzung der vorhersehbaren Weyl-Kammer-Struktur riemannisch optimierter Gates eine effizientere hardware-bewusste Kompression von Quantenschaltkreisen ermöglicht, indem direkt über native Gate-Sets optimiert wird, wobei sich zeigt, dass das Ising-Modell das Beibehalten spezifischer Restparameter für eine hohe Kompression erfordert, während das Heisenberg-Modell davon profitiert, seine native XXZ-Struktur zu nutzen, um die Dimensionalität des Schaltkreises zu reduzieren.