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

Multi-stream physics hybrid networks for solving Navier-Stokes equations

Dit artikel introduceert een Multi-stream Physics Hybrid Network dat kwantum- en klassieke lagen combineert om de Navier-Stokes-vergelijkingen voor de Kovasznay-stroming efficiënter en nauwkeuriger op te lossen dan traditionele methoden, met een aanzienlijke reductie in fouten en het aantal trainbare parameters.

Aleksandr Sedykh, Tatjana Protasevich, Mikhail Surmach, Arsenii Senokosov, Matvei Anoshin, Asel Sagingalieva, Alexey Mel (…)2026-02-24
⚛️ quantum physics

Characterizing physical and logical errors in a transversal CNOT via cycle error reconstruction

In dit werk demonstreren de auteurs een schaalbare methode genaamd 'cycle error reconstruction' om fysische en logische fouten in een transversale CNOT-poort op een 16-qubit valstrik-ionenquantumcomputer te karakteriseren, waardoor contextafhankelijke fouten kunnen worden geïdentificeerd en de prestaties van toekomstige fouttolerante systemen beter kunnen worden voorspeld.

Nicholas Fazio, Robert Freund, Debankan Sannamoth, Alex Steiner, Christian D. Marciniak, Manuel Rispler, Robin Harper, T (…)2026-02-24
⚛️ quantum physics

Predictive control of blast furnace temperature in steelmaking with hybrid depth-infused quantum neural networks

Dit artikel presenteert een hybride quantum-neuraal netwerkmodel dat de voorspellingsnauwkeurigheid van de hoogoventemperatuur in de staalproductie met meer dan 25% verbetert en de temperatuurstabiliteit aanzienlijk verhoogt door de injectie van vermalen kool te optimaliseren.

Nayoung Lee, Minsoo Shin, Asel Sagingalieva, Arsenii Senokosov, Matvei Anoshin, Ayush Joshi Tripathi, Karan Pinto, Alexe (…)2026-02-24