⚛️ Category

quant-ph

9083 papers

De wereld van kwantumfysica onderzoekt hoe materie en energie zich gedragen op het allerkleinste niveau, waar de regels van onze dagelijkse ervaring niet meer gelden. Op Gist.Science maken we de complexe inzichten uit dit fascinerende veld toegankelijk voor iedereen, van geïnteresseerde leken tot experts. We halen de moeilijkheidsgraad eruit zonder de wetenschappelijke diepgang te verliezen.

Elke nieuwe preprint in deze categorie komt rechtstreeks van arXiv. Ons team verwerkt elk document direct na publicatie en biedt zowel een begrijpelijke samenvatting in gewone taal als een gedetailleerde technische analyse. Hierdoor blijft u altijd up-to-date met de nieuwste doorbraken zonder vast te lopen in jargon. Hieronder vindt u de meest recente papers binnen dit dynamische onderzoeksgebied.

⚛️ quantum physics

Renormalization group ontology in quantum foundations: a non-interacting spin-0 toy model

Dit artikel stelt een realistische, anti-golffunctie-interpretatie van kwantumveldentheorie voor, geworteld in een uitgebreide ontologie geïnspireerd door de renormalisatiegroep, waarbij een niet-interagerend scalair veld-toymodel wordt gebruikt om te demonstreren hoe de constante van Planck emergeert als een temperatuurafhankelijke, observeerder-relatieve grootheid die naar een vast punt stroomt.

Gary Kapilevich2026-08-21
🔢 mathematics

Beyond Integrability Preserving Renormalization-Group Protocol in Non-Hermitian Hamiltonians with Time-Dependent Interaction Strengths

Dit artikel breidt het integrabiliteit-behoudende renormalisatiegroep-protocol (RG) uit naar niet-Hermitische kwantumsystemen met tijd afhankelijke interacties, waarbij wordt aangetoond dat de verzameling van dergelijke integrabele modellen breder is dan de standaard RG-trajecten omdat deze ook specifieke tijd afhankelijke vormen voor RG-invariante koppelingsconstanten omvat.

Parameshwar R. Pasnoori2026-08-21
⚛️ quantum physics

Physics-Based versus Data-Driven Classification of Single-Photon Quantum Emitters from Sparse Autocorrelation Data

Dit artikel benchmarkt sequentiële Bayesiaanse inferentie, Levenberg-Marquardt-fitting en een feedforward neuraal netwerk voor het classificeren van single-photon emitters uit schaarse autocorrelatiedata, waarbij wordt aangetoond dat hoewel geen enkele methode alle metrieken domineert, natuurkundige en datagedreven benaderingen complementaire instrumenten zijn die verschillende voordelen bieden op het gebied van convergentiesnelheid, interpreteerbaarheid en robuustheid onder variërende fotonstatistieken.

Nhat Minh Nguyen, Md Shakhawath Hossain, Duc Anh Ngo, Chaohao Chen, Xiaoxue Xu, Toan Trong Tran, Carlo Bradac2026-08-21
🔬 applied physics

Physics-guided machine learning for sim-to-real calibration of NV diamond magnetometers

Dit artikel introduceert een natuurkundig geleid hybride machine learning-framework dat Zeeman-splitsing in de leerpipeline inbedt om simulatie-naar-realiteit-mismatches en dataschaarste te overwinnen, waarbij een 372-voudige verbetering in precisie wordt bereikt bij het kalibreren van NV-diamantmagnetometers voor robuuste, zelfgekalibreerdeerde vectormagnetometrie.

Jonathan Daniel, Martin Y. Kim, Jesse Hernandez, Emanuel Suarez, Sangwoo Lee, Jinhee Lee, Je-Hyung Kim2026-08-21
🔬 physics

Iterative Projection-Based Embedding Scheme Combined with Variational Quantum Eigensolver

Dit artikel introduceert een numeriek robuust, iteratief projectiegebaseerd inbeddingsframework gecombineerd met de Variational Quantum Eigensolver (VQE, die een zelfconsistente wederzijdse verfijning bereikt tussen een hoogwaardig kwantumsubsysteem en zijn gemiddelde veldomgeving, wat resulteert in nauwkeurige potentiele energieoppervlakken voor multischalige systemen op beperkte kwantumhardware.

Hongseok Choi, Kyungmin Kim, Young Min Rhee2026-08-21
⚛️ quantum physics

TT-net: Quantum Inspired Tensor Network Denoising in Conditional GANs

Dit artikel introduceert TT-Net, een quantum-geïnspireerde conditionele GAN die standaard per-kanaal SVD-denoising vervangt door een two-cut Tensor Train-decompositie om cross-kanaalinformatie te benutten, waardoor een superieure prestatie in beeldruisonderdrukking over diverse ruistypes wordt bereikt terwijl nieuwe inzichten worden verkregen in de dynamiek van adversariële training.

Michal A. Sterzel, Marko J. Rančić2026-08-21