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

Absence of Charge Offset Drift in a Transmon Qubit

Deze studie toont aan dat een transmon-kubiet op basis van tantaal, waarbij een onbedoelde dunne supergeleidende laag de Josephson-junctie parallelleert, gedurende drie maanden een volledig stabiele ladingsoffset vertoont zonder in te leveren op de levensduur, wat wijst op een nieuw mechanisme voor het elimineren van ladingsoffset-drift in supergeleidende circuits.

Adria Rospars, Hector Hutin, Yannick Seis, Cristóbal Lledó, Réouven Assouly, Romain Cazali, Rémy Dassonneville, Ambroise (…)2026-03-16
⚛️ quantum physics

Hybrid Analog-Digital Simulation of the Abelian Higgs model

In dit werk implementeren de auteurs een hybride analoog-digitaal en een op poorten gebaseerde simulatie van het (1+1)-dimensionale Abelse Higgs-model op twee sites met behulp van supergeleidende transmon-qutrit-processoren, waarmee ze de haalbaarheid van het bestuderen van spin-1 en SU(3) ijktheorieën op huidige kwantumhardware aantonen.

Muhammad Asaduzzaman, Rayleigh W. Parker, Noah Goss, Ahmed I. Mohamed, Max Neiderbach, Zane Ozzello, Ravi K. Naik, Alexa (…)2026-03-16
⚛️ quantum physics

Distributed Quantum Computing via Adaptive Circuit Knitting

Dit paper introduceert de Adaptive Circuit Knitting-methode, die door het vinden van gebieden met minimale verstrengeling de sampling-overhead bij het distribueren van quantumcircuits over meerdere QPUs met wel vier ordes van grootte verlaagt, waardoor grootschalige quantumsimulaties efficiënter mogelijk worden.

K. Grace Johnson, Aniello Esposito, Gaurav Gyawali, Xin Zhan, Rohit Ganti, Namit Anand, Raymond G. Beausoleil, Masoud Mo (…)2026-03-16