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.

⚛️ physique quantique

Exploiting many-body localization for scalable variational quantum simulation

Cette étude démontre que l'initialisation d'ansätze variatoires dans la phase de localisation à plusieurs corps (MBL) atténue les plateaux stériles et améliore la formation des algorithmes quantiques, une stratégie validée expérimentalement sur un processeur supraconducteur de 127 qubits pour la préparation efficace d'états fondamentaux.

Chenfeng Cao, Yeqing Zhou, Swamit Tannu, Nic Shannon, Robert Joynt2026-02-26
⚛️ physique quantique

Approximating under the Influence of Quantum Noise and Compute Power

Cet article présente une étude de simulation complète de quatre variantes de l'algorithme QAOA sous l'effet du bruit quantique et des contraintes de calcul, afin d'identifier les facteurs influençant la qualité des solutions et de définir les bases pour créer des outils d'automatisation permettant de sélectionner la configuration optimale sans expertise technique de la part de l'utilisateur.

Simon Thelen, Hila Safi, Wolfgang Mauerer2026-02-26
🔬 physique mésoscopique

Quantum feedback control with a transformer neural network architecture

Cet article démontre qu'une architecture de réseau neuronal de type transformateur, utilisée en apprentissage supervisé et par renforcement, surpasse les méthodes de contrôle quantique traditionnelles en stabilisant efficacement des états quantiques et en minimisant l'énergie de systèmes complexes, même en présence de bruit non modélisé et de dynamiques non markoviennes.

Pranav Vaidhyanathan, Florian Marquardt, Mark T. Mitchison, Natalia Ares2026-02-26
⚛️ physique quantique

Optimal Hamiltonian recognition of unknown quantum dynamics

Cet article présente un protocole optimal de reconnaissance de Hamiltoniens inconnus, fondé sur la simulation de fonctions cohérentes et la théorie des représentations de groupes, qui permet d'identifier la dynamique quantique avec une probabilité de succès optimale décroissant comme O(1/k)O(1/k) et qui a été validé expérimentalement sur un processeur quantique supraconducteur.

Chengkai Zhu, Shuyu He, Yu-Ao Chen, Lei Zhang, Xin Wang2026-02-26
🔬 physique mésoscopique

Braiding Majoranas in a linear quantum dot-superconductor array: Mitigating the errors from Coulomb repulsion and residual tunneling

Cet article propose un dispositif de tressage minimal dans une chaîne de boîtes quantiques couplées à un supraconducteur, démontrant qu'un contrôle optimal d'une boîte quantique auxiliaire permet d'atténuer efficacement les erreurs induites par la répulsion de Coulomb et le tunneling résiduel lors de l'échange de modes de Majorana non abéliens.

Sebastian Miles, Francesco Zatelli, A. Mert Bozkurt, Michael Wimmer, Chun-Xiao Liu2026-02-26
⚛️ physique quantique

QCS-ADME: Quantum Circuit Search for Drug Property Prediction with Imbalanced Data and Regression Adaptation

Cet article propose un mécanisme de notation sans entraînement, baptisé QCS-ADME, pour évaluer et rechercher efficacement des circuits d'apprentissage quantique adaptés aux défis spécifiques de la prédiction des propriétés ADME, notamment la classification sur des données déséquilibrées et la régression.

Kangyu Zheng, Tianfan Fu, Zhiding Liang2026-02-26