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.

⚛️ quantum physics

Structural constraint on delayed-choice quantum eraser architectures

Dieser Artikel zeigt, dass idealisierte Architekturen für Quantenlöscher mit verzögerter Wahl nicht gleichzeitig vier intuitive Eigenschaften erfüllen können – statistische Unabhängigkeit der Wahl, Abwesenheit von Verlusten, deterministisches Routing und unterschiedliche bedingte Detektionsverteilungen – und bietet dadurch einen einheitlichen Rahmen, um bedingte Interferenzmuster durch strukturelle Einschränkungen anstelle exotischer Mechanismen zu erklären.

Chakir Fikri2026-05-26
🔬 mesoscale physics

Lateral Shift as a Control Knob for Localization Transitions in a Quasiperiodic Ladder

Dieser Artikel zeigt, dass eine seitliche Verschiebung zwischen den Schenkeln einer quasiperiodischen Leiter als ein einstellbarer Regler wirkt, der einen effektiven magnetischen Fluss im Impulsraum erzeugt, wodurch reiche Lokalisierungs-Delokalisierungs-Übergänge ermöglicht werden und eine vielseitige Plattform für die Untersuchung der Lokalisierungsphysik geboten wird.

Bing Shao, Guangjie Zhang, Longwen Zhou, Jiangbin Gong, Weiwei Zhu2026-05-26
⚛️ quantum physics

QML-PipeGuard: Drift-Aware Behavioral Fingerprinting for Quantum Machine Learning Pipeline Integrity

QML-PipeGuard ist ein vertragsbasiertes Framework, das die Integrität eingesetzter Quanten-Machine-Learning-Pipelines sicherstellt, indem es durch Verhaltensfingerprinting gleichzeitig zwischen harmloser Hardware-Drift und böswilligem Kanal-Substitution unterscheidet, und zwar mittels eines mathematisch rigorosen, informationell vollständigen beobachtbaren Vertrags.

Esra Yeniaras2026-05-26
🔬 mesoscale physics

Topological metal-insulator transitions in one-dimensional non-Hermitian quasicrystals: beyond PT-symmetry

Dieser Artikel untersucht ein nicht-PT-symmetrisches, eindimensionales nicht-hermitesches Quasikristallmodell und zeigt, dass es im Allgemeinen dreifache Phasenübergänge umfasst, die Lokalisierung, Topologie und Entartungsbruch betreffen, während es gleichzeitig ausgeprägte Lokalisierungs-Entlokalisierungsübergänge ohne topologische oder entartungsbruchbedingte Änderungen aufweist, wodurch das Verständnis von topologischen Metall-Isolator-Übergängen über PT-symmetrische Systeme hinaus erweitert wird.

Guangjie Zhang, Bing Shao, Longwen Zhou, Jiangbin Gong, Weiwei Zhu2026-05-26
📊 statistics

Kernel Embedding for Operator-Valued Measures and Its Application to Quantum Tomography

Dieser Artikel stellt das Framework der Quanten-Kovarianz-Einbettung vor, um die Quantenzustandstomographie als tensorisierte Kernel-Regression neu zu formulieren, und beweist, dass Unitäre Designs statistisch optimal sind, wodurch eine effiziente, basisunabhängige Schätzung durch den QUARK-Schätzer mit etablierten Optimalitätsgrenzen und Konvergenzgarantien ermöglicht wird.

Philipp Nikolas Mayer, Ho Yun2026-05-26
🔬 physics

Bipartite Cholesky Graph Networks for Many-Body Quantum Chemistry

Dieser Beitrag stellt Bipartite Cholesky Graph Networks vor, eine neuartige Architektur, die eine dichteangepasste Cholesky-Zerlegung nutzt, um Elektronenabstoßungsintegrale als strukturierten bipartiten Graphen zu modellieren, wodurch höherordnige Wechselwirkungsstrukturen erhalten bleiben und eine überlegene Genauigkeit bei der Vorhersage molekularer Korrelationsenergien im Vergleich zu bestehenden komprimierten skalaren Merkmalsansätzen erreicht wird.

Abdul Samad Khan2026-05-26
⚛️ quantum physics

Unsupervised learning for the systematic identification of nondispersive wave packets in driven helium

Dieser Beitrag stellt ein unüberwachtes Lernframework vor, das Faltungsneuronale Netze verwendet, um langlebige nicht-dispersive Wellenpakete und eingefrorene Planetenzustände in getriebenem Helium automatisch zu identifizieren und zu klassifizieren, indem Floquet-basierte Quantenzustandsdarstellungen ohne vorherige Kennzeichnung gruppiert werden.

Juan M. Scarpetta, Gustavo A. Parra, Alejandro González-Melan, Javier Madroñero2026-05-26
🔬 mesoscale physics

Non-Hermitian Twisting Theory under the open boundary condition

Dieser Artikel entwickelt eine ortsaufgelöste Nicht-Hermitesche Verdrillungstheorie unter Verwendung lokaler Skalierungstransformationen und der Zahlen-Brillouin-Zone, um die Beschreibung des Skin-Effekts auf nicht-periodische und ungeordnete Systeme zu verallgemeinern, indem metrische Operatoren mit Riemannscher Geometrie vereinheitlicht werden, um ein universelles Paradigma für die Lokalisierung im Realraum und Phasenübergänge zu etablieren.

Chen-Hao Zhao, Jia-Rui Li, Yuping Tian, Wei-Jiang Gong2026-05-26
⚛️ quantum physics

Strategic Non-Shareability of Quantum Correlations

Dieser Artikel etabliert „strategische Nicht-Teilbarkeit" als operative Ressource in Quantennetzwerken, indem er nachweist, dass die Monogamie der Verschränkung unbefugten Komplizen das perfekte Replizieren autorisierter Korrelationen verhindert, wodurch eine zertifizierte Anti-Kollusionskapazität quantifiziert wird, die für klassische Vermittler null, für Quantenstrategien jedoch positiv ist, wobei spezifische Schranken aus Verletzungen der Bell-Ungleichung abgeleitet werden.

Fumin Wang2026-05-26
⚛️ quantum physics

Beyond Logical Circuits: Hardware-Aware Analysis of Expressibility and Trainability in Variational Quantum Algorithms

Dieser Artikel zeigt, dass hardwarebewusste Transpilierung die Ausdruckskraft und Trainierbarkeit variationaler Quantenalgorithmen im Vergleich zu Vorhersagen auf logischer Ebene erheblich verändert, indem er aufdeckt, dass strukturelle Änderungen während der Ausführung den angenommenen Trade-off zwischen Ausdruckskraft und Trainierbarkeit stören können und eine hardwareinklusive Bewertung für eine genaue Charakterisierung erforderlich machen.

Muhammad Kashif, Muhammad Shafique2026-05-26