⚛️ Category

quant-ph

9451 articles

La physique quantique explore les mystères fascinants qui se cachent à l'échelle la plus infime de l'univers, là où les règles habituelles de la matière semblent disparaître. Ce domaine étudie comment les particules peuvent exister dans plusieurs états simultanément ou communiquer instantanément à travers de grandes distances, des phénomènes qui défient notre intuition quotidienne tout en fondant les technologies de demain.

Sur Gist.Science, nous suivons de près les nouvelles recherches publiées sur arXiv dans cette catégorie, en transformant chaque prépublication complexe en résumés clairs et accessibles. Que vous cherchiez une explication simple pour comprendre les bases ou une analyse technique approfondie, notre équipe traite chaque nouveau document dès sa parution pour le rendre intelligible à tous les niveaux d'expertise.

Découvrez ci-dessous la sélection des tout derniers articles traitant de mécanique quantique et de ses applications émergentes.

🔢 mathematics

Beyond Integrability Preserving Renormalization-Group Protocol in Non-Hermitian Hamiltonians with Time-Dependent Interaction Strengths

Cet article étend le protocole de groupe de renormalisation (RG) préservant l'intégrabilité aux systèmes quantiques non hermitiens avec des interactions dépendant du temps, démontrant que l'ensemble de ces modèles intégrables est plus large que les trajectoires de RG standard car il inclut également des formes temporelles spécifiques pour les couplages invariants par RG.

Parameshwar R. Pasnoori2026-08-21
⚛️ quantum physics

Physics-Based versus Data-Driven Classification of Single-Photon Quantum Emitters from Sparse Autocorrelation Data

Cet article évalue l'inférence bayésienne séquentielle, l'ajustement de Levenberg-Marquardt et un réseau de neurones à propagation avant pour la classification d'émetteurs de photons uniques à partir de données d'autocorrélation éparses, démontrant que bien qu'aucune méthode ne domine tous les paramètres, les approches fondées sur la physique et celles fondées sur les données sont des outils complémentaires qui offrent des avantages distincts en termes de vitesse de convergence, d'interprétabilité et de robustesse sous des statistiques de photons variables.

Nhat Minh Nguyen, Md Shakhawath Hossain, Duc Anh Ngo, Chaohao Chen, Xiaoxue Xu, Toan Trong Tran, Carlo Bradac2026-08-21
🔬 applied physics

Physics-guided machine learning for sim-to-real calibration of NV diamond magnetometers

Cet article présente un cadre d'apprentissage automatique hybride guidé par la physique qui intègre l'effet Zeeman dans le pipeline d'apprentissage pour surmonter les décalages entre simulation et réalité ainsi que la rareté des données, atteignant une amélioration de la précision de 372 fois dans le calibrage des magnétomètres à diamants NV pour une magnétométrie vectorielle robuste et auto-calibrée.

Jonathan Daniel, Martin Y. Kim, Jesse Hernandez, Emanuel Suarez, Sangwoo Lee, Jinhee Lee, Je-Hyung Kim2026-08-21
🔬 physics

Iterative Projection-Based Embedding Scheme Combined with Variational Quantum Eigensolver

Cet article introduit un cadre d'enchâssement itératif basé sur la projection, numériquement robuste, combiné à l'algorithme de l'Eigensolver Quantique Variationnel (VQE), qui parvient à un raffinement mutuel auto-cohérent entre un sous-système quantique de haut niveau et son environnement de champ moyen, produisant des surfaces d'énergie potentielle précises pour des systèmes multi-échelles sur du matériel quantique aux ressources limitées.

Hongseok Choi, Kyungmin Kim, Young Min Rhee2026-08-21
⚛️ quantum physics

TT-net: Quantum Inspired Tensor Network Denoising in Conditional GANs

Cet article introduit TT-Net, un GAN conditionnel d'inspiration quantique qui remplace le débruitage SVD standard par canal par une décomposition Tensor Train à deux coupes afin de tirer parti des informations inter-canaux, atteignant ainsi une performance de débruitage d'image supérieure à travers divers types de bruit tout en révélant de nouvelles perspectives sur la dynamique de l'entraînement adversarial.

Michal A. Sterzel, Marko J. Rančić2026-08-21
🧬 biology

Resource-Efficient Bio-Molecular Docking on a NISQ-era Digital Quantum Computer

Ce document propose et valide expérimentalement un cadre hybride quantique-classique efficient en ressources pour l'amarrage moléculaire qui reformule le problème en une tâche de clique maximale à poids de sommet, utilise une stratégie d'encodage à base complète variationnelle avec un optimiseur d'état produit pur prouvé, et démontre la faisabilité sur un ordinateur quantique d'IBM afin de faire progresser la conception de médicaments basée sur la structure.

Tianqi Chen, Adrian M. Mak, Jianguo Li, Jian Feng Kong, Chandra Verma, Sebastian Maurer-Stroh2026-08-21