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.

⚛️ quantum physics

Demonstration of High-Fidelity Entangled Logical Qubits using Transmons

Gli autori dimostrano sperimentalmente, utilizzando dispositivi transmon IBM e il codice [[4,2,2]], che una strategia ibrida che combina correzione degli errori quantistici e decoupling dinamico logico (LDD) permette di sopprimere drasticamente gli errori logici e realizzare qubit logici entangled ad alta fedeltà.

Arian Vezvaee, Vinay Tripathi, Mario Morford-Oberst, Friederike Butt, Victor Kasatkin, Daniel A. Lidar2026-03-06
⚛️ quantum physics

Predicting sampling advantage of stochastic Ising Machines for Quantum Simulations

Questo studio dimostra che, sebbene le macchine Ising stocastiche presentino tempi di autocorrelazione più lunghi per i modelli di Heisenberg quantistici, il loro massiccio parallelismo hardware promette un'accelerazione di 100-10.000 volte rispetto ai metodi di campionamento tradizionali, offrendo così grandi opportunità per la simulazione di sistemi quantistici complessi su larga scala.

Rutger J. L. F. Berns, Davi R. Rodrigues, Giovanni Finocchio, Johan H. Mentink2026-03-06
⚛️ quantum physics

Quantum Physics-Informed Neural Networks for Maxwell's Equations: Circuit Design, "Black Hole" Barren Plateaus Mitigation, and GPU Acceleration

Questo lavoro propone un framework di Quantum Physics-Informed Neural Networks (QPINN) accelerato da GPU per risolvere le equazioni di Maxwell, dimostrando che l'integrazione di un termine di conservazione dell'energia e l'ottimizzazione dell'ansatz quantistico mitigano i "barren plateaus" di tipo "buco nero" e migliorano l'accuratezza rispetto ai PINN classici.

Ziv Chen, Gal G. Shaviner, Hemanth Chandravamsi, Shimon Pisnoy, Steven H. Frankel, Uzi Pereg2026-03-06
⚛️ quantum physics

A scalable quantum-neural hybrid variational algorithm for ground state estimation

Il documento presenta l'U-VQNHE, un algoritmo ibrido quantistico-neurale scalabile che risolve i problemi di normalizzazione e divergenza del VQNHE originale imponendo trasformazioni neurali unitarie, riducendo così significativamente il sovraccarico di misurazioni e migliorando stabilità e accuratezza nella stima dello stato fondamentale.

Minwoo Kim, Kyoung Keun Park, Uihwan Jeong, Sangyeon Lee, Taehyun Kim2026-03-06