6878 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.
Les auteurs ont démontré la génération de 12,1 dB de lumière comprimée à partir d'un amplificateur paramétrique optique à guide d'ondes en utilisant un modulateur spatial de lumière optimisé par apprentissage automatique pour minimiser les pertes dues au désaccord de mode spatial.
Cet article présente un codage d'amplitude fusionné pour les réseaux Kolmogorov–Arnold quantiques de Chebyshev qui réduit le nombre d'exécutions de circuits d'un facteur n au prix de seulement 1 à 2 qubits supplémentaires, tout en démontrant par simulation que cette approche préserve l'entraînabilité du réseau.
Cet article présente la conception et l'évaluation de Q2NS, un simulateur de réseau quantique modulaire et extensible basé sur ns-3, qui intègre les primitives quantiques et classiques tout en offrant une efficacité computationnelle supérieure aux alternatives existantes.
Cet article propose une méthodologie complète pour passer de la théorie à l'implémentation de protocoles quantiques avancés comme le transfert oblivion quantique et les jetons quantiques sur du matériel QKD existant, démontrant ainsi la faisabilité de réseaux de communication quantique multi-usage.
Cet article propose un cadre d'entraînement itératif basé sur l'optimisation quadratique sans contraintes (QUBO) pour les têtes de classificateur des réseaux de neurones convolutifs via l'annealing quantique, évitant les plateaux stériles et démontrant des performances compétitives par rapport aux méthodes classiques sur plusieurs benchmarks de classification d'images.
Les auteurs proposent QAOA-Predictor, un modèle basé sur un réseau de neurones graphiques capable de prédire avec précision la probabilité de succès et la profondeur minimale requise pour l'algorithme LR-QAOA sur divers problèmes d'optimisation combinatoire, permettant ainsi une optimisation efficace sans réglage coûteux des paramètres.
Les auteurs rapportent la première observation expérimentale d'une directionnalité contrôlable induite par le mouvement thermique dans l'émission collective d'atomes confinés dans un guide d'ondes à cœur creux non chiral, atteignant jusqu'à 0,89.
Cet article présente QFlowNet, un cadre novateur combinant des réseaux de flux génératifs (GFlowNet) et des Transformers pour réaliser une synthèse d'unitaires quantiques rapide, diversifiée et efficace, surpassant les méthodes d'apprentissage par renforcement existantes en termes de diversité des solutions et d'efficacité d'inférence grâce à l'apprentissage à partir de récompenses clairsemées.
Les auteurs démontrent que le modèle de Rokhsar-Kivelson bidimensionnel héberge des états propres exacts de stabilisateur, appelés cicatrices de sous-réseau, qui violent l'hypothèse de thermalisation des états propres et établissent un lien direct entre les contraintes de jauge et la structure d'information quantique de stabilisateur.
Cet article propose des principes de conception géométrique pour les réseaux de neurones quantiques en redéfinissant l'apprenabilité non pas comme une simple atteignabilité des états, mais comme une géométrie contrôlable des représentations cachées nécessitant une dépendance conjointe aux données et aux poids via le critère de sélectivité locale presque complète (aCLS).