10925 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.
Cet article présente une stratégie itérative appelée Initialisation Guidée par Mesure (MGI) qui améliore l'efficacité de l'algorithme d'optimisation quantique FALQON sur les dispositifs NISQ en réutilisant les statistiques de mesure pour préparer des états initiaux biaisés, permettant ainsi d'affiner les solutions sans recourir à l'optimisation de paramètres classiques.
Cette étude examine l'énergie du point zéro d'un gaz de Fermi ultrafroid piégé à l'unité, en utilisant une approche de modes normaux pour élucider comment la superfluidité résulte d'une compression du principe d'incertitude de Heisenberg et d'une suppression du principe de Pauli.
En utilisant des atomes ultrafroids dans un réseau optique, cette étude prépare des états fondamentaux du modèle d'anyons unidimensionnel et révèle des signatures expérimentales de la pseudo-fermionisation ainsi que la formation d'états liés chiraux, comblant ainsi le fossé entre les réalisations théoriques et expérimentales de ces statistiques fractionnaires.
Cet article présente les progrès réalisés vers une plateforme de biosensing quantique à base de centres NV dans le diamant intégrée à une puce CMOS, capable d'atteindre une sensibilité magnétique d'environ 90 nT/√Hz par pixel pour l'imagerie magnétique quantitative dans des environnements biologiques complexes.
Ce chapitre présente les fondements de l'apprentissage automatique quantique en reliant les principes physiques des systèmes quantiques à la perspective de l'informatique théorique, avec un accent particulier sur la robustesse et la résistance aux attaques adverses.
En utilisant une approche de groupe de renormalisation unitaire non perturbative, cette étude révèle comment un champ magnétique local agit comme une mesure continue pour induire une transition d'intrication entre une phase de Kondo écrantée et une phase de moment local polarisé, menant à l'émergence d'un liquide non-Fermi.
Cet article étend le lien entre la correction d'erreurs quantiques et les théories de jauge sur réseau en démontrant qu'une théorie de jauge avec matière dynamique peut être formulée comme un code stabilisateur de qudits, révélant ainsi une dualité logique et permettant l'implémentation de portes universelles tolérantes aux fautes.
Les auteurs démontrent que pour tout Hamiltonien local sur une chaîne de spins à température finie, l'état de Gibbs possède une longueur d'intrication finie telle que l'état des deux moitiés restantes devient séparable après la suppression d'un intervalle de taille suffisante.
Cette étude révèle que dans un modèle de Bose-Hubbard unidimensionnel à fortes interactions, la dynamique de corrélation est dominée par des échanges de doublons-trous et des excitations de parois de domaines qui se propagent lentement, un phénomène qui est encore davantage supprimé par la présence d'un piège parabolique et qui peut être décrit par une correspondance avec un modèle d'Ising transverse antiferromagnétique.
Cet article propose une méthode hybride classique-quantique qui, en prétraitant les données d'entrée classiques pour les encoder dans un circuit quantique, permet de résoudre efficacement divers problèmes tels que l'analyse en composantes principales et la régression de données, offrant ainsi des accélérations exponentielles par rapport aux algorithmes existants tout en facilitant la prédiction de données non vues pour une application complète.