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

Analysis of Hessian Scaling for Local and Global Costs in Variational Quantum Algorithm

Il lavoro analizza la scalabilità della varianza degli elementi dell'Hessiana nei varianti algoritmi quantistici, dimostrando che mentre per gli obiettivi globali essa decade esponenzialmente (causando barren plateaus), per gli obiettivi locali in circuiti a profondità limitata segue una scalabilità polinomiale, determinando così il numero di campionamenti necessari per l'ottimizzazione del secondo ordine.

Yihan Huang, Yangshuai Wang2026-02-11
⚛️ quantum physics

Empirical Evaluation of QAOA with Zero Noise Extrapolation on NISQ Hardware for Carbon Credit Portfolio Optimization in the Brazilian Cerrado

Questo studio dimostra che l'Algoritmo Quantistico di Ottimizzazione Approssimata (QAOA) combinato con l'Estrapolazione a Rumore Zero (ZNE) supera gli euristiche classiche nell'ottimizzazione di portafogli complessi di crediti di carbonio per il Cerrado brasiliano, stabilendo un'utilità quantistica empirica su hardware dell'era NISQ per la pianificazione della conservazione ambientale.

Hugo José Ribeiro2026-02-11
⚛️ quantum physics

A Trainable-Embedding Quantum Physics-Informed Framework for Multi-Species Reaction-Diffusion Systems

Il lavoro presenta un nuovo framework ibrido quantistico-classico, denominato x-TE-QPINN, per risolvere sistemi di reazione-diffusione non lineari, dimostrando che l'uso di embedding quantici addestrabili può eguagliare o superare le prestazioni delle reti neurali classiche nel modellare dinamiche multi-campo complesse.

Ban Q. Tran, Nahid Binandeh Dehaghani, A. Pedro Aguiar, Rafal Wisniewski, Susan Mengel2026-02-11