Learning to detect optical nonclassicality

Deze paper introduceert een data-gedreven, variational model dat, getraind op experimentele meetgegevens van verschillende fotondetectiesystemen, een interpreteerbare beslissingsregel leert om de non-klassiekheid van kwantumoptische toestanden efficiënt te detecteren in realistische scenario's met beperkte statistiek.

Martina Jung, Suchitra Krishnaswamy, Timon Schapeler, Annabelle Bohrdt, Tim J. Bartley, Jan Sperling, Martin Gärttner2026-03-09⚛️ quant-ph

Preparing 100-qubit symmetry-protected topological order on a digital quantum computer

In dit artikel demonstreren onderzoekers met behulp van een tensor-netwerkgebaseerde protocol voor benaderende kwantumcompilering dat ze 100-qubit grondtoestanden van symmetrie-beschermd topologische orde op IBM-kwantumhardware kunnen voorbereiden met hoge precisie, waarmee ze de geldigheid van deze toestanden bevestigen en een praktische basis leggen voor het bestuderen van complexe kwantumverschijnselen die klassiek moeilijk te simuleren zijn.

George Pennington, Kevin C. Smith, James R. Garrison, Lachlan P. Lindoy, Jason Crain, Ben Jaderberg2026-03-09⚛️ quant-ph

Universal Dynamical Scaling of Strong-to-Weak Spontaneous Symmetry Breaking in Open Quantum Systems

Dit artikel toont aan dat de late-tijd dynamische schaling van sterke-naar-zwakke spontane symmetriebreking in open kwantumsystemen uitsluitend wordt bepaald door de symmetrieklasse van de Lindbladian en niet door de spectrale kloof, waarbij Z2\mathbb{Z}_2-symmetrie leidt tot exponentiële groei en U(1)-symmetrie tot algebraïsche groei van de correlatielengte.

Chang Shu, Kai Zhang, Kai Sun2026-03-09⚛️ quant-ph

Quantum Hamlets: Distributed Compilation of Large Algorithmic Graph States

Dit artikel introduceert BURY, een schaalbaar algoritme dat grote graf-toestanden efficiënt verdeelt over meerdere quantumprocessors door het minimaliseren van het aantal benodigde Bell-paren via een geoptimaliseerde partitie op basis van maximale koppelingen in plaats van de gebruikelijke snijranden.

Anthony Micciche, Naphan Benchasattabuse, Andrew McGregor, Michal Hajdušek, Rodney Van Meter, Stefan Krastanov2026-03-09⚛️ quant-ph

A Mixture-of-Experts Framework for Practical Hybrid-Quantum Models in Credit Card Fraud Detection

Dit onderzoek toont aan dat een hybride quantum-klassiek machine learning-model, geïntegreerd in een 'mixture-of-experts'-framework, de prestaties bij creditcardfraudedetectie verbetert ten opzichte van traditionele methoden zoals XGBoost, terwijl het binnen de operationele en latentie-eisen van financiële instellingen blijft.

Rodrigo Chaves, Kunal Kumar, Bruno Chagas, Rory Linerud, Brannen Sorem, Javier Mancilla, Bryn Bell2026-03-09⚛️ quant-ph