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 introduceert QUAV, een nieuw quantum-ondersteund framework dat gebruikmaakt van het Quantum Approximate Optimization Algorithm (QAOA) om schaalbare, real-time UAV-padplanning met obstakelvermijding mogelijk te maken, gevalideerd door zowel simulaties als echte hardware op IBM's ibm_kyiv backend.
Dit artikel toont aan dat drie voorgestelde quantumalgoritmen, in het bijzonder het op Pennylane gebaseerde Quantum Neuraal Netwerk (QNN-P), klassieke methoden overtreffen in nauwkeurigheid en ruisbestendigheid bij het optimaliseren van energiezuinige koolstof-IoT-systemen voor taken zoals kamerbezettingdetectie en GPS-tracking, waardoor een schaalbare en duurzame oplossing wordt geboden voor toekomstige IoT-infrastructuren.
Dit artikel stelt QNN-VRCS voor, een quantum neuraal netwerk dat specifieke quantumalgoritmen en beeldcoderingstechnieken integreert om Vehicle Road Cooperation Systems te optimaliseren, waarbij een hoge classificatienauwkeurigheid en robuustheid wordt bereikt in de verwerking van verkeersgegevens voor intelligente 6G-transportoplossingen.
Het artikel introduceert FL-QDSNNs, een privacy-bewerkend federated learning-framework dat een dynamische drempelwaarde-spiking-mechanisme gebruikt om kwantumpoorten selectief te activeren op basis van lokale datadrift, waardoor een hoge nauwkeurigheid op non-IID-datasets wordt bereikt terwijl de computationele efficiëntie en schaalbaarheid over uitbreidende cliëntnetwerken worden behouden.
Dit artikel stelt een hybride klassiek-kwantum neuraal netwerk (HQNN-FSP) voor en evalueert dit voor de voorspelling van de financiële aandelenmarkt, waarbij een nieuwe kwantum-ansatz en twee optimalisatiestrategieën worden geïntroduceerd om het potentieel van kwantumondersteerd leren aan te tonen bij het vastleggen van complexe temporele afhankelijkheden en het verbeteren van regressiegebaseerde voorspellingen.
Dit artikel stelt een nieuwe hybride Quantum Fuzzy Neural Network (QFNN)-benadering voor voor sentimentanalyse die gebruikmaakt van kwantumeigenschappen en fuzzy logica om de beperkingen van klassieke methoden te overwinnen, waarbij een superieure nauwkeurigheid (100% en 90%) en robuustheid tegen ruis op Twitter-datasets wordt bereikt vergeleken met bestaande algoritmen.
Dit artikel bewijst de vermoedelijke bovengrens voor de optimale gemiddelde succeswaarschijnlijkheid van binaire en quantum random access codes, waarmee de strikte optimaliteit van recente constructies door Suzuki en Akibue et al. wordt bevestigd met behulp van technieken die betrekking hebben op pretty good measurements en dimensionale beperkingen.
Dit artikel introduceert een theoretisch kader gebaseerd op het tijdsafhankelijke gegeneraliseerde Gibbs-ensemble om de magnetisatie- en stroomdynamica van open kwantum-spin-ketens met niet-reciproque dissipatie in het regime van zwakke dissipatie te karakteriseren, waarbij de aanpak succesvol wordt afgezet tegen numerieke simulaties en de analyse wordt uitgebreid voorbij niet-interagerende fermionen.
Dit artikel weerlegt de optimaliteitsconjectuur voorgesteld door Coutts et al. met betrekking tot trace-afstand-gebaseerde optimale toestandsverandering door een tegenvoorbeeld te presenteren in een 2-dimensionale Hilbertruimte dat aantoont dat de tekenfunctie toegepast op de foutmatrix niet uniek een duaal certificaat bepaalt voor elke optimale oplossing.
MERA is een nieuw quantumcompilatieframework dat per-qubit mid-circuit measurement (MCM) foutmodellering en contextbewuste dynamische ontkoppeling integreert in de layout-, routing- en scheduling-stadia om de circuitgetrouwheid aanzienlijk te verbeteren zonder extra SWAP-overhead, waarbij het bestaande compilers zoals Qiskit en QR-Map overtreft in benchmarks met frequente MCM-operaties.