6988 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 paper introduceert 'merged amplitude encoding' voor Chebyshev-kwantum Kolmogorov-Arnold-netwerken, waarbij een kleine qubit-overhead wordt geruild voor minder circuituitvoeringen, en numerieke experimenten bevestigen dat deze methode de trainbaarheid behoudt ten opzichte van de originele architectuur.
Dit paper introduceert Q2NS, een op ns-3 gebaseerde, modulaire en uitbreidbare kwantumnetwerksimulator die naadloos klassieke en kwantumcommunicatie integreert, diverse kwantumstaatrepresentaties ondersteunt en superieure rekenefficiëntie biedt ten opzichte van bestaande alternatieven.
Dit artikel presenteert een methodologie en volledige software-stack voor het implementeren van quantum oblivious transfer en quantum tokens op bestaande QKD-hardware, wat een stap is naar multi-purpose quantum communicatienetwerken.
Deze studie presenteert een QUBO-gebaseerd iteratief framework voor het trainen van CNN-classificatoren via quantum annealing, waarbij convolutielagen worden bevriezen en de classifier-head wordt geoptimaliseerd zonder gradiënten om barren plateaus te vermijden en concurrerende prestaties te behalen op beeldclassificatie-benchmarks.
In deze studie wordt QAOA-Predictor voorgesteld, een Graph Neural Network dat de succesprobabiliteit en minimale laagdiepte van LR-QAOA voorspelt, waardoor kostbare parameteroptimalisatie tijdens runtime wordt vermeden en efficiënte, één-shot optimalisatie voor combinatorische problemen mogelijk wordt.
In deze studie wordt de observatie gerapporteerd van bewegingsgeïnduceerde directionaliteit in collectieve atomaire emissie binnen een niet-chirale holle golfgeleider, waarbij thermische beweging symmetriebreking veroorzaakt die leidt tot een directionaliteit van 89% zonder chirale koppeling.
Dit artikel introduceert QFlowNet, een framework dat Generative Flow Networks en Transformers combineert om unitaire synthese in kwantumcomputing efficiënt en divers op te lossen door middel van spaarzame beloningssignalen.
De auteurs tonen aan dat het twee-dimensionale Rokhsar-Kivelson-model een intrinsieke stabilizer-ruimte bevat bestaande uit subroosterlittekens, wat een directe link legt tussen stabilizer-quantuminformatie, rooster-gauge-beperkingen en quantum-many-body scarring.
Dit artikel introduceert geometrische ontwerpprincipes voor kwantummachinelearning die het ontwerp herformuleren van statereikbaarheid naar leerbaarheid, door aan te tonen dat data-afhankelijke instelbare unitaire transformaties nodig zijn voor adaptieve geometrische vervormingen die betere prestaties leveren met minder kwantumpoorten.
Deze simulatiestudie presenteert een kwantum-geïnspireerde Hamiltonian-methode voor kenmerkextractie die hogere-orde correlaties in moleculaire vingerafdrukken vastlegt en op 8 van de 10 geteste ADMET-benchmarks betere prestaties levert dan klassieke basismethoden, met de beste resultaten tot nu toe voor CYP3A4-substraatvoorspelling.