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.

⚛️ Quantenphysik

Layered Quantum Architecture Search for 3D Point Cloud Classification

Die vorgestellte Arbeit führt die Layered Quantum Architecture Search (layered-QAS) ein, eine Strategie zum schrittweisen Aufbau von Parametrisierten Quantenschaltkreisen, die durch die Simulation von 3D-Punktwolkenklassifizierung auf dem ModelNet-Datensatz nachweist, dass sie das Problem der flachen Plateaus mildert und die besten Ergebnisse unter PQC-basierten Methoden erzielt.

Natacha Kuete Meli, Jovita Lukasik, Vladislav Golyanik, Michael Moeller2026-03-23
🔬 Mesoskopische Physik

Micromagnetic Modeling of Surface Acoustic Wave Driven Dynamics: Interplay of Strain, Magnetorotation, and Magnetic Anisotropy

Diese Arbeit präsentiert eine umfassende mikromagnetische Analyse der Kopplung zwischen Oberflächenwellen und Spinwellen in CoFeB-Filmen, wobei gezeigt wird, dass die Ausrichtung der magnetischen Anisotropie als effektiver Stellknopf zur Steuerung der resonanten Wechselwirkung dient.

Florian Millo, Pauline Rovillain, Massimiliano Marangolo, Daniel Stoeffler2026-03-23
⚛️ Quantenphysik

Quantum inference on a classically trained quantum extreme learning machine

Diese Arbeit stellt einen neuartigen Ansatz vor, bei dem ein Quant-Extreme-Learning-Machine ausschließlich mit klassischen Feldern trainiert wird, um anschließend effizient und präzise Quanteneigenschaften unbekannter Eingabezustände zu inferieren, was die Trainingszeit drastisch verkürzt und das Signal-Rausch-Verhältnis verbessert.

Emanuele Brusaschi, Marco Clementi, Marco Liscidini, Daniele Bajoni, Matteo Galli, Massimo Borghi2026-03-23
⚛️ Quantenphysik

Certified Quantum Schrödinger Control via Hierarchical Tucker Models

Diese Arbeit entwickelt einen lokalen Robustheitsrahmen für die gestufte Tensor-Approximation (Hierarchical Tucker) in der Quanten-Schrödinger-Steuerung, der nachweist, dass durch feste Rang-Trunkierung erzeugte Abweichungen die praktische exponentielle Stabilität des geschlossenen Regelkreises erhalten und eine dimensionsunabhängige Konvergenz in einen durch den Rang kontrollierbaren Fehlerbereich garantieren.

Nahid Binandeh Dehaghani, Rafal Wisniewski, A. Pedro Aguiar2026-03-23