9306 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 studio dimostra l'accoppiamento deterministico e reversibile di singoli punti quantici di perovskite a una microcavità a base di fibra sintonizzabile a 10 K, ottenendo un incremento del doppio dei tassi di emissione e consentendo la misurazione delle intensità di accoppiamento di Rabi nel vuoto, disperdendo al contempo i contributi della diffusione spettrale e del dephasing puro.
Questo articolo investiga la dinamica della non-stabilizzabilità nei circuiti quantistici monitorati, rivelando che le misurazioni nella base computazionale inducono un decadimento quantizzato ed esponenzialmente lento della magia a causa dello scrambling di Clifford, mentre le misurazioni non-Clifford ruotate possono sia generare che sostenere un livello di stato stazionario di non-stabilizzabilità, evidenziando comportamenti distinti tra diagnostiche grossolane e a grana fine.
QFOR è un orchestratore basato sul deep reinforcement learning che ottimizza la pianificazione dei task quantistici in ambienti cloud eterogenei modellando il problema come un Processo Decisionale di Markov e utilizzando l'Ottimizzazione della Politica Prossima per migliorare significativamente la fedeltà di esecuzione mantenendo tempi di esecuzione comparabili rispetto ai baseline euristici.
Questo articolo sviluppa e valida un modello a doppia buca di tipo Cornell unidimensionale basato su funzione d'onda per il calcolo degli scissioni di tunneling protonico, dimostrando la sua efficacia come strumento di benchmarking riproducendo accuratamente la scissione di tunneling del dimero dell'acido formico e sottolineando, al contempo, il valore pedagogico e i limiti dei modelli semplificati rispetto ai trattamenti quantistici multidimensionali completi.
Questo articolo stabilisce che specifiche dinamiche bosoniche dissipative, incluse quelle rilevanti per i codici cat, esibiscono una regolarizzazione di Sobolev istantanea che mappa immediatamente qualsiasi stato iniziale in uno con momenti finiti dell'operatore di numero, fornendo così stime analitiche più precise per la convergenza e la soppressione degli errori nell'elaborazione dell'informazione quantistica bosonica.
Questo articolo presenta un algoritmo indipendente dalla base che certifica efficientemente il numero di Schmidt di stati puri bipartiti ad alta dimensione utilizzando misurazioni a singola copia, raggiungendo una complessità di campionamento di con solo impostazioni di misurazione sotto ipotesi specifiche.
Questo articolo dimostra che lo squeezing parametrico può amplificare selettivamente specifiche interazioni bosoniche per superare la decoerenza e accelerare la preparazione ad alta fedeltà di stati entanglement, anche in ambienti rumorosi.
Questo articolo dimostra che lo sfruttamento delle interazioni quadratiche in un sistema optomeccanico accoppiato a due risonatori genera squeezing intrinseco e non-gaussianità, portando a miglioramenti di ordini di grandezza nella sensibilità della termometria e della magnetometria quantistica rispetto alle standard interazioni di pressione di radiazione, sebbene le correlazioni statistiche limitino la precisione simultanea della stima multiparametrica.
Questo articolo presenta QuaSARQ, un simulatore accelerato da GPU che impiega nuovi algoritmi paralleli per l'evoluzione e le misurazioni di circuiti stabilizer per ottenere accelerazioni fino a 105× e una riduzione dell'energia superiore all'80% rispetto ai simulatori CPU e GPU allo stato dell'arte, consentendo la simulazione efficiente di circuiti con fino a 180.000 qubit.
Questa tesi esplora la sinergia bidirezionale tra il calcolo quantistico e l'intelligenza artificiale sviluppando tecniche di apprendimento automatico potenziate dal quantum per una migliore classificazione su hardware rumoroso e applicando metodi di apprendimento automatico per ottimizzare la correzione degli errori quantistici e le simulazioni di stati quantistici neurali.