6336 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.
Ce papier établit la flèche du temps, définie par l'irréversibilité des mesures quantiques, comme un nouveau diagnostic local pour les transitions de phase induites par la mesure en démontrant analytiquement son comportement non analytique et son exposant critique dans un modèle de circuit quantique aléatoire.
En utilisant une approche de Monte Carlo quantique fondée sur la représentation des spins fractionnés, cette étude dresse la carte du diagramme de phase de l'état fondamental d'une chaîne de Heisenberg de spin 1 avec des interactions à longue portée en escalier, identifiant un point critique quantique non conforme à qui sépare la phase de Haldane à gap d'une phase de Néel sans gap et se caractérise par une criticité non conventionnelle avec un exposant dynamique .
Cet article présente la construction d'une famille de codes quantiques LDPC réguliers à haut tour (girth) de paramètres , dérivée de structures de cosets affines et de matrices de permutation circulaires, démontrant une performance de décodage robuste sous un modèle de dépolarisation.
Cet article propose une topologie d'arbre connecté pour les réseaux quantiques, démontrant qu'elle surpasse les topologies en réseau maillé en termes de capacité d'utilisateurs et de robustesse face à la décohérence lors de la distribution d'intrication et de clés quantiques.
Cette étude présente une méthode d'apprentissage empirique utilisant un algorithme génétique pour optimiser le découplage dynamique sur les processeurs quantiques d'IBM, démontrant que les stratégies ainsi apprises surpassent significativement les séquences canoniques en termes de suppression d'erreurs, tout en étant rapides à générer, stables dans le temps et généralisables à des circuits plus complexes.
Cet article établit de nouvelles bornes de monogamie de l'intrication pour les Hamiltoniens de qudits et propose des algorithmes d'approximation basés sur le couplage qui surpassent l'affectation aléatoire, offrant notamment un rapport d'approximation de pour les graphes réguliers de degré inférieur ou égal à 5 et de $0,595$ pour le cas des qubits ().
Ce papier démontre que les interactions du moment magnétique de l'électron peuvent être décrites de manière cohérente, sans utiliser de potentiels, à la fois par une extension du théorème de Poynting et des équations de Maxwell intégrant des sources de dipôles magnétiques, et par l'électrodynamique quantique conventionnelle.
Cet article présente l'algorithme Q-NLB-UCB, une méthode d'optimisation de bandits non linéaires quantiques qui surmonte la malédiction de la dimensionnalité en offrant une borne supérieure de regret indépendante de la dimension d'entrée, soit .
Cette étude présente DEAL, une méthode combinant un apprentissage direct de l'ansatz d'intrication et l'extrapolation du bruit zéro (ZNE) pour améliorer la convergence et la précision des algorithmes d'optimisation quantique sur du matériel supraconducteur bruyant, surpassant ainsi l'algorithme QAOA classique de 14 % sur des problèmes NP-difficiles.
Les auteurs proposent le « perceptrain », un nouvel ansatz variationnel hybride combinant les réseaux de neurones et les réseaux de tenseurs pour représenter avec une grande précision et une optimisation robuste les états fondamentaux de systèmes quantiques complexes, tels que le modèle d'Ising transverse à interactions à longue portée sur un réseau 10x10.