10738 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.
Dit artikel toont aan dat multipartiete correlatiestructuren kunnen blijven evolueren zelfs nadat bipartiete verstrengeling tot evenwicht is gekomen, wat onthult dat deze twee aspecten van kwantumdynamica verschillende fysieke kanalen onderzoeken in plaats van louter verschillende stadia van hetzelfde relaxatieproces.
Dit artikel presenteert een dissipatief algoritme voor vrije fermionen dat een sublineaire totale simulatietijd bereikt voor thermische en grondtoestandsvoorbereiding door lokale interacties te ontwerpen met een proportioneel groot bad, waardoor de traditionele lineaire tijdbarrière wordt overwonnen terwijl fundamentele ondergrenzen op de resterende complexiteit worden vastgesteld.
Dit artikel toont aan dat een nauwkeurige modellering van de dynamica van een kwantumemitter in een verliesgevende multimode-caviteit een multimode-benadering vereist met behulp van een resonantiekwantisatieformalisme, waarbij wordt onthuld dat het noodzakelijke aantal modi toeneemt met de koppelingssterkte en dat het gedrag van de emitter een sterke positieafhankelijkheid vertoont.
Dit artikel vestigt een operator-algebraïsch vezelbundelkader voor fouttolerantie, demonstreert dat GKP-codes soepel in Grassmanniaanse variëteiten met vlakke verbindingen worden ingebed, en identificeert specifieke CCZ-type magische toestanden die voortvloeien uit de coderuimteprojecties van Gaussische toestanden geassocieerd met Jacobiaan-variëteiten.
Dit artikel onderzoekt hoe statische en tijdsafhankelijke elektrische velden de Shannon-entropieën van geconfineerde kwantumsystemen hervormen, waarbij specifiek het niet-monotone, verminderde polariseerbaarheidsrespons van een geconfineerd waterstofatoom wordt afgezet tegen het schaalinvariante, hoog polariseerbare gedrag van een deeltje in een sferische doos.
Dit artikel vestigt een verenigd thermodynamisch kader voor zelfgraviterende niet-relativistische vloeistoffen dat het meest algemene niet-dissipatieve vloeistofmodel afleidt, klassieke en kwantumhydrodynamische vergelijkingen als speciale gevallen herstelt, en condities identificeert voor "klassieke holografie" die een enkele complexwaardige golffunctie-representatie mogelijk maken.
Dit artikel presenteert een gekalibreerde symbolische regressie-pipeline die single-spin fysica en ensemble-spectroscopie overbrugt door Hermitische operator-modellen af te leiden uit individuele NV-centrumspectra en deze te combineren met expliciete gewichten om collectieve ensemble-responsen onder variërende omgevingscondities nauwkeurig te voorspellen.
Dit artikel stelt een alternatieve benadering van kwantumgravitatie voor die het probabilistische karakter van de standaard kwantummechanica verlaat ten gunste van het introduceren van finale randvoorwaarden, waardoor een deterministisch kader ontstaat dat compatibel is met de algemene relativiteitstheorie.
Dit artikel stelt een nieuwe max-sliced total-variation loss voor voor gefactoreerde gradiëntafdaling die robuuste kwantum-pure-toestand-tomografie op multi-qubits mogelijk maakt met gedeeltelijk gewogen Pauli-metingen, waarbij het succesvol de vorming van spurieuze lokale minima en de noodzaak van de restricted isometry property vermijdt.
Deze studie evalueert vier Variational Quantum Classifier-architecturen voor anomaliedetectie in netwerkverkeer en stelt vast dat hoewel zij beslissingsgrenzen kunnen leren, zij momenteel onderpresteren vergeleken met klassieke modellen zoals Support Vector Machines en Random Forests op synthetische data, wat suggereert dat hun potentiële nut ligt in toekomstige toepassingen met ruisiger, hoog-dimensionale problemen.