9923 articoli
La meccanica quantistica e la fisica delle particelle, racchiuse nella categoria "Quant-Ph", esplorano le regole fondamentali che governano l'universo a scale incredibilmente piccole, dove la realtà sfida la nostra intuizione quotidiana. Questi studi indagano fenomeni misteriosi come l'entanglement e la sovrapposizione, gettando luce su come funzionano gli atomi e le forze che plasmano la materia stessa.
Su Gist.Science, elaboriamo sistematicamente ogni nuovo preprint inviato a arXiv in questo settore, trasformando ricerche complesse in contenuti comprensibili. Offriamo sia riassunti tecnici dettagliati per gli esperti sia spiegazioni in linguaggio semplice, rendendo le scoperte più recenti accessibili a tutti.
Di seguito troverete l'elenco degli ultimi articoli pubblicati in questo affascinante campo di studio.
Questo articolo introduce due strategie di compilazione di reti di scambio di Majorana per eigensolver quantistici variazionali che riducono significativamente la profondità del circuito e il numero di gate a due qubit per la simulazione di sistemi fermionici, migliorandone così la fattibilità su hardware quantistico near-term.
Questo articolo introduce un nuovo framework per il Multi-Agent Reinforcement Learning che consente agli agenti di coordinarsi tramite l'entanglement quantistico condiviso, dimostrando attraverso sia giochi black-box che Dec-POMDP che questo approccio può raggiungere una prestazione di coordinamento superiore, non ottenibile solo tramite la casualità condivisa classica.
Questo articolo dimostra che l'introduzione di una fase sintonizzabile nell'accoppiamento collettivo luce-materia induce una forte simmetria dipendente dalla fase nel Liouvilliano, consentendo un controllo preciso sulle transizioni di fase dissipative e riducendo significativamente l'intensità di guida critica richiesta per tali transizioni nei sistemi di QED a cavità.
Questo articolo introduce la densità spettrale della risposta geometrica per dimostrare che la transizione dall'integrabilità al caos nei sistemi quantistici a molti corpi avviene tramite un accumulo di deformazioni degli autostati esponenzialmente sensibile e spettralmente localizzato, una caratteristica universale catturata da insiemi di matrici casuali fisicamente motivati ma assente nei modelli gaussiani standard.
Questo articolo analizza la teletrasportazione attraverso canali di smorzamento di ampiezza e dephasing variabili nel tempo, dimostrando che le soglie di entanglement e di fedeltà formano curve geometriche fisse nello spazio dei parametri, stabilendo al contempo un limite di completezza-positività sul backflow non-Markoviano che permette il ripristino periodico del vantaggio quantistico e della nascita improvvisa dell'entanglement.
Utilizzando la teoria su reticolo come prova di principio, questo articolo dimostra che le simulazioni di campi classici possono modellare efficacemente la produzione di particelle e il successivo equilibrio nella dinamica dei campi quantistici fuori equilibrio, stabilendo un percorso scalabile per future applicazioni di calcolo quantistico nello studio di sistemi in pre-equilibrio come l'Universo primordiale e le collisioni di ioni pesanti.
Questo articolo presenta una rigorosa metodologia di benchmarking utilizzando il framework Red Cedar e modelli classici ottimizzati tramite AutoML per valutare l'apprendimento automatico quantistico rispetto a quello classico su vari dataset oncologici, non riscontrando prove di un vantaggio quantistico e suggerendo la necessità di concentrarsi su dati ad alta dimensionalità e biologicamente realistici per i progressi futuri.
Questo articolo stabilisce che valutare i valori attesi esatti o esponenzialmente precisi del QAOA per il problema MaxCut a profondità è #P-difficile, dimostrando che la difficoltà computazionale transita dalla trattabilità al conteggio delle soluzioni ottimali piuttosto che alla mera ottimizzazione.
Il documento introduce FlowMeas, un framework di apprendimento generativo che ottimizza i protocolli di misurazione quantistica con risorse limitate utilizzando reti di flusso per campionare circuiti Clifford poco profondi, ottenendo riduzioni significative degli errori e scalabilità attraverso sistemi molecolari e fermionici rispetto ai metodi esistenti.
Questo articolo propone modelli di code per stimare il throughput e la fedeltà dell'entanglement end-to-end in ripetitori quantistici basati su memoria con caratteristiche eterogenee, utilizzando tali modelli per ottimizzare i tempi di attesa della memoria al fine di massimizzare il throughput soddisfacendo al contempo i vincoli minimi di fedeltà.