10035 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 Studie zeigt, dass das Teilnahmeverhältnis kohärenter Zustände im gekickten Top als eine sensitive Quantensonde für hierarchische Klebrigkeit dient, welches innerhalb eines optimalen Evolutionsfensters quantitativ mit den geschichteten Transportstrukturen übereinstimmt, die durch klassisch grobkörnige endliche Lyapunov-Exponenten offenbart werden.
Dieses Paper schlägt eine nicht-invasive, multiparametrische Flüssigkeitssensorik-Plattform vor, die DNA-gekoppelte magnetische Nanopartikel als nanoskalige mechanische Oszillatoren nutzt, um die von Stickstoff-Fehlstellen-Zentren in Diamant detektierten Magnetfelder zu modulieren, wodurch eine hochdimensionale Charakterisierung von Flüssigkeitseigenschaften durch räumlich gemusterte Oberflächenfunktionalisierung ermöglicht wird.
Dieses Paper schlägt ein neuartiges Framework vor, das die Partitionierung von Quantenschaltkreisen als ein Labyrinth-Schneideproblem formalisiert und zeigt, dass ein Perkolationsphasenübergang bestimmt, ob ein Schaltkreis optimal in zwei CNOT-Cluster aufgeteilt werden kann, ohne Gates zu entfernen, insbesondere wenn die Anzahl der CNOTs vergleichbar mit der Anzahl der Qubits ist.
Dieses Paper führt ein randzentriertes semantisches Framework für die höherwertige Quantenberechnung ein, das „essentielle Unitarität“ als eine einzigartige, kohärenzkompatible Verallgemeinerung der Standardunitarität definiert, welche die Informationserhaltung an höherwertigen Schnittstellen sicherstellt und die kohärente Realisierung von Supermaps wie dem Quantum Switch ermöglicht.
Diese Arbeit zeigt auf, dass die Full Counting Statistics einen direkten analytischen und numerischen Weg bietet, um das emergente, durch Verschränkung gesteuerte effektive Potenzial zwischen harten Quantenstrings zu charakterisieren, wodurch offenbart wird, wie deren intrinsische Nichtlokalität nicht-triviale Wechselwirkungen erzeugt.
Diese Arbeit zeigt, dass die Maximum-Likelihood-Schätzung (MLE) für 1D-lokale spärliche Pauli-Lindblad-Kanäle rechentechnisch handhabbar gemacht werden kann, indem die Likelihood-Funktion auf ein effizient auswertbares Bayessches Netz reduziert wird, wodurch die Genauigkeit der Kanal-Tomographie signifikant verbessert und der Overhead für die Fehlerminderung reduziert wird.
Diese Arbeit präsentiert eine hochperformante Implementierung des Quantum Flow (QFlow)-Algorithmus auf hybriden Quanten-Klassik-Architekturen und demonstriert, dass dieser über 95 % der CCSD-Korrelationsenergie für große aktive Räume (bis zu 114 Orbitalen) unter Verwendung von nur 12 Qubits wiederherstellen kann, wodurch eine skalierbare und ressourceneffiziente Lösung für die Simulation realistischer Vielteilchensysteme geboten wird.
Diese Arbeit demonstriert das erste hochdimensionale Quantenschlüsselaustauschprotokoll über ein eingesetztes Multicore-Glasfasernetzwerk, das alle verfügbaren Kernmodi zur Kodierung vollständig ausnutzt und unter realistischen Umweltbedingungen eine rekordverdächtige Geheimschlüsselrate pro Puls von Bits erreicht.
Diese Arbeit stellt die Derivative Informed XC-Loss (DI-Loss) vor, eine Trainingsstrategie für maschinell gelernte Austausch-Korrelations-Funktionale, die erste und zweite Energiederivate aus Referenz-Hybridfunktionalen einbezieht, um die Genauigkeit der Gesamtenergie signifikant zu verbessern, die Konvergenz des Self-Consistent-Field-Verfahrens zu beschleunigen und die Vorhersagen angeregter Zustände in der TDDFT zu verbessern.