6391 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 beschrijft hoe een op genetische algoritmen gebaseerde leermethode dynamische ontkoppeling (GADD) empirisch optimaliseert voor IBM-quantumprocessors, waardoor de foutonderdrukking aanzienlijk verbetert ten opzichte van standaardsequenties en stabiele prestaties worden bereikt voor diverse complexe quantumalgoritmen.
Dit artikel bewijst nieuwe monogamie-begrenzingen voor verstrengeling in twee-lokale qudit-Hamiltonianen en introduceert efficiënte algoritmen die de maximale energie beter benaderen dan willekeurige toewijzingen, met name door een eenvoudige matching-benadering die voor reguliere graafstructuren een garantie van 1/2 biedt en voor qubits een verbeterde ratio van 0,595 bereikt.
Dit artikel toont aan dat interacties van het magnetisch dipoolmoment van elektronen zowel via een uitgebreide Poynting-stelling met aangepaste Maxwell-vergelijkingen als via conventionele kwantumelektrodynamica consistent kunnen worden beschreven uitsluitend in termen van elektromagnetische velden, zonder gebruik van potentialen.
Dit paper introduceert het Q-NLB-UCB-algoritme, dat met behulp van quantumtechnieken de vervloekking van de dimensie doorbreekt en een input-dimensie-onafhankelijke regret-benadering biedt voor niet-lineaire bandit-optimalisatie, waardoor het geschikt wordt voor complexe, hoogdimensionale taken zoals geneesmiddelenontdekking.
In deze studie wordt Direct Entanglement Ansatz Learning (DEAL) geïntroduceerd, een methode die gebruikmaakt van een directe mapping van probleemparameters naar kwantumansatz-hoeken en Zero Noise Extrapolation (ZNE) om de convergentie en het succespercentage van combinatorische optimalisatieproblemen op ruisgevoelige supergeleidende qubits aanzienlijk te verbeteren.
Deze paper introduceert de 'perceptrain', een hybride variatie-ansatz die elementen van neurale netwerken en tensornetwerken combineert om de grondtoestandsenergie van complexe quantumveeldeeltjessystemen, zoals het Rydberg-atoommodel, met hoge nauwkeurigheid en efficiëntie te berekenen.
Dit onderzoek toont aan dat zwarmoptimalisatie-algoritmen, zoals PSO en QPSO, robuustere en stabielere initiatie van parameters voor de Quantum Approximate Optimization Algorithm (QAOA) bieden dan traditionele methoden, vooral onder ruige omstandigheden met ruis en beperkte schots.
Dit artikel presenteert een robuust, optimaal besturingsproces dat de verstrengeling van een twee-kwantumbitsysteem direct en nauwkeurig kwantificeert via een enkele meting, zonder volledige toestands-tomografie, wat het geschikt maakt voor industriële kwaliteitscontrole.
In dit artikel wordt een dynamisch protocol voorgesteld om de rigiditeit en fasecoherentie van dipolaire supersolida te onderzoeken door het samenvoegen van fragmenten in kwasi-ééndimensionale dubbelputpotentiaal, waarbij simulaties duidelijke dynamische handtekeningen tonen zoals gedempte kristaloscillaties en de excitatie van tweede geluid via metastabiele donkere soliton.
Deze studie presenteert een ongeleerd machine learning-framework dat klassieke schaduw-tomografie combineert met PCA om diverse kwantumfase-overgangen in spin-systemen te identificeren en te classificeren zonder kennis van de Hamiltoniaan of expliciete ordeparameters.