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.

⚛️ kwantumfysica

A PAC-Bayesian approach to generalization for quantum models

Dit paper introduceert de eerste PAC-Bayesiaanse generalisatiegrenzen voor een brede klasse van kwantummodellen, die via kanaalperturbatie-analyse niet-uniforme, datagebaseerde schattingen bieden die afhangen van de normen van de geleerde parametermatrices in plaats van van de totale capaciteit van het model.

Pablo Rodriguez-Grasa, Matthias C. Caro, Jens Eisert, Elies Gil-Fuster, Franz J. Schreiber, Carlos Bravo-Prieto2026-03-25
⚛️ kwantumfysica

Dynamical Evolution of Quantum Correlations and Decoherence in Coupled Oscillators Interacting with a Thermal Reservoir

Dit onderzoek analyseert de dynamische evolutie van kwantumcorrelaties, zuiverheid en verstrengeling in een open systeem van twee gekoppelde asynchrone harmonische oscillatoren die interageren met een thermisch reservoir, en concludeert dat kwantumdiscorde over het algemeen robuuster is dan verstrengeling, dat door temperatuur en dissipatie wordt versneld maar door koppeling en compressie wordt beschermd.

Somayeh Mehrabankar, Farkhondeh Abbasnezhad, Davood Afshar, Aurelian Isar2026-03-25
📊 statistiek

High-Resolution Tensor-Network Fourier Methods for Exponentially Compressed Non-Gaussian Aggregate Distributions

Dit artikel introduceert een tensor-netwerk methode die de karakteristieke functies van sommen van onafhankelijke niet-Gaussische variabelen exponentieel comprimeert via een lage-rang QTT-structuur, waardoor efficiënte berekeningen van risicometrieken zoals VaR en ES mogelijk worden op discretisaties die veel groter zijn dan wat met traditionele methoden haalbaar is.

Juan José Rodríguez-Aldavero, Juan José García-Ripoll2026-03-25