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

Predicting Multipartite Entanglement in Quantum Circuits using Transformer

Dieses Paper führt QIG-Fusion ein, ein graphbasiertes Transformer-Modell, das effizient mehrpartite Verschränkungsmaße (Q1Q_1 und Q2Q_2) für parametrisierte Quantenschaltkreise vorhersagt, indem es Qubit-Interaktionen und Gate-Strukturen kodiert und dadurch die Rechenkosten der Quantenarchitektursuche signifikant reduziert.

Darell Timothy Tarigan, Fadhil Fatih Shiddiq, Hadyan Luthfan Prihadi, Donny Dwiputra, Jusak S. Kosasih, Yanoar P. Sarwon (…)2026-08-31
⚛️ phenomenology

Quantum computation of partonic Drell-Yan scattering cross sections and interference effects

Dieses Papier präsentiert ein allgemeines Quantenschaltkreis-Framework, das spezialisierte Vertex- und Propagator-Gatter nutzt, um partonale Drell-Yan-Streuquerschnitte effizient zu berechnen und Interferenzeffekte durch Basisrotation zu isolieren, was einen bedeutenden Schritt zur Simulation beliebiger Streuprozesse auf Quantengeräten darstellt.

Erik Bashore, Stefano Moretti, Timea Vitos2026-08-31
⚛️ high-energy experiments

Comparing Classical and Quantum Machine Learning for Regression in High Energy Physics Collision Data

Diese Studie vergleicht systematisch klassische und Quanten-Maschinelle-Lern-Architekturen für die Regression auf simulierten hochenergetischen Teilchenkollisionsdaten und stellt fest, dass, während klassische Modelle wie CNNs und LSTMs derzeit eine geringfügig bessere Leistung bieten, Quanten-Pendants eine wettbewerbsfähige Genauigkeit mit signifikant weniger trainierbaren Parametern erreichen, was einen deutlichen Vorteil der Parametereffizienz für Quantengeräte der nahen Zukunft hervorhebt.

Tariq Mahmood, Zain ul Abidin, Itzel Luviano Soto, Alfredo Raya2026-08-31
🔬 optics

Self-partitioned Interfacial Time Crystals

Dieses Paper führt das Rabi-Hatano-Nelson-Modell ein, um die Existenz eines selbst partitionierten Grenzflächen-Zeitkristalls (Self-Partitioned Interfacial Time Crystal, SPITC) zu demonstrieren, einer neuartigen Phase, in der ein homogenes nicht-hermitesches System durch Nichtreziprozität und offene Randbedingungen spontan eine interne Grenzfläche erzeugt, die die Zeit-Translationssymmetrie bricht, ohne dass externes Pumpen oder langreichweitige Wechselwirkungen erforderlich sind.

Joseph Huang, Yi Yang2026-08-31
⚛️ quantum physics

A quantum generative model for in silico clinical trials using scarce training datasets

Diese Arbeit schlägt eine Quanten-generative Modell-Pipeline vor und validiert diese, welche effektiv hochpräzise *in silico* Patienten aus spärlichen klinischen Datensätzen synthetisiert und im Vergleich zu klassischen Baselines unter Verwendung von realen Daten zu Myelodysplastischer Syndrom auf einem IBM-Quantencomputer eine überlegene Generalisierung und Expressivität demonstriert.

Olatz Sanz Larrarte, Reza Dastbasteh, Roberto Sanchez-Navarro, Maria Diez-Campelo, Felipe Prosper, Ana Alfonso-Pierola (…)2026-08-31
⚛️ quantum physics

Role of the Drive in Mediating Correlations Between Two Qubits Through a Shared Dissipative Cavity

Diese Arbeit zeigt, dass ein gemeinsamer, antriebs-dissipativer Resonator Korrelationen zwischen zwei Qubits vermitteln kann, wobei ein zeitlich moduliertes parametrisches Antriebssignal einzigartig echte Verschränkung erzeugt, die mit steigender Temperatur in Quantendiskord übergeht, während andere Antriebe lediglich Diskord ohne Verschränkung erzeugen.

Nozhat Ghaseminezhad, Vahid Ameri, Alidad Askari2026-08-31
🔬 optics

Quantum many-body effects in the optical response of ideal thin films

Diese Arbeit nutzt hochpräzise Pfadintegral-Monte-Carlo-Simulationen, um zu untersuchen, wie die Abweichungen von der idealen Drude-Antwort durch Quanten-Viele-Körper-Wechselwirkungen und Oberflächenstreuung in eingeschlossenen Elektronensubstanzschichten bei endlichen Temperaturen aussehen, wobei deutliche Trends in den optischen Eigenschaften über variierende Dichten, Temperaturen und Systemgrößen hinweg aufgezeigt werden.

David Trejo-Garcia, Tapio T. Rantala, Marco Ornigotti, Juha Tiihonen2026-08-31
⚛️ quantum physics

Variationally Optimized Imaginary-time Polynomial Filters for Ground State Projection

Diese Arbeit führt ein variationsbasiertes Imaginärzeit-Evolutions-Framework unter Verwendung optimierter Polynomfilter ein, die aus einem Operator-Ebene-Wirkprinzip abgeleitet sind, was die Genauigkeit, Stabilität und Erfolgswahrscheinlichkeit der Grundzustandspräparation auf Geräten der nächsten Generation im Vergleich zu Standard-Taylor-Trotter-Suzuki-Ansätzen signifikant verbessert.

Bahman Seifi, Ibsal Assi, J. P. F. LeBlanc2026-08-31
⚛️ quantum physics

A Single Spin Switches the Steady-State Phase of an Open Quantum System

Diese Arbeit zeigt, dass das Hinzufügen eines einzelnen Spins zu einem dissipativen kollektiven Spinsystem einen Phasenübergang erster Ordnung im stationären Zustand zwischen einem Ring und einem Fixpunkt auslösen kann, indem paritätsabhängige Nullstellen in nichtlinearen Verlustamplituden ausgenutzt werden, wodurch Jump-Operator-Nullstellen als Mechanismus für die Einzelkomponentensteuerung makroskopischer Quantenphasen etabliert werden.

Jianwen Jie2026-08-31
⚛️ quantum physics

From quantum reservoirs to quantum extreme learning machines through a nearest-neighbor spin chain with tunable quantum memory

Diese Arbeit zeigt, dass Quantum Reservoir Computing und Quantum Extreme Learning Machines zwei Grenzfälle einer vereinheitlichten Architektur sind, die über die Länge der Eingabekodierung miteinander verbunden sind, wodurch verdeutlicht wird, dass die optimale zeitliche Verarbeitung am Rand des Chaos stattfindet, unabhängig von der Konnektivität, während die Notwendigkeit rekurrenten Gedächtnisses von der erforderlichen historischen Tiefe der Aufgabe abhängt.

Carlos Ramon-Escandell, Arnau Riera, Marcin Płodzień2026-08-31