Geometric and Topological Obstructions to Hermitianization in Quasi-Hermitian Quantum Systems
本文确立，尽管准厄米量子系统可局部映射为厄米系统，但其在参数空间中的几何曲率与拓扑霍洛尼阻碍了全局动力学等价性，从而决定了内禀非厄米特征是否持续存在。
⚛️ Category
quant-ph
6120 篇论文
量子物理探索着物质与能量在微观尺度上最奇妙的行为，从神秘的叠加态到跨越空间的纠缠现象，这一领域正不断重塑我们对现实世界的理解。Gist.Science 致力于让深奥的 arXiv 预印本变得触手可及，我们追踪该分类下发布的每一份最新预印本，并为其提供两种解读视角：既包含通俗易懂的科普解读，也涵盖保留核心细节的技术摘要。
无论您是希望快速掌握前沿动态的科研工作者，还是对宇宙奥秘充满好奇的普通读者，这里都能为您提供清晰的研究概览。我们梳理了 arXiv 上量子物理板块的最新成果，确保您能第一时间读懂科学界的最新突破。下方列出了该领域刚刚发布的最新论文及其摘要。
Beyond the Lorenz Gauge: Probing a Stueckelberg Scalar in the Electric Aharonov-Bohm Effect
本文提出一种具有皮秒时间分辨率的单电子干涉实验，以检验电阿哈罗诺夫 - 玻姆效应的原始表述，旨在通过探测独特的相移来判断斯蒂克尔伯格标量是否作为物理场而存在，从而挑战洛伦兹规范作为基本原理而非单纯数学便利的地位。
Dynamically Characterizing the Structures of Dirac Points via Wave Packets
本文表明，波包的动力学行为（包括一维 Zitterbewegung 和自旋织构演化）能够有效表征具有可控第三近邻耦合的类石墨烯系统中狄拉克点和抛物点的产生、湮灭及其拓扑卷绕数。
Generalized Catability of Relativistic Quantum States Measurement in a Unified Lie-Algebraic Foldy-Wouthuysen (FW) Framework
本文提出了一种统一的李代数 Foldy-Wouthuysen 框架，将“可分类性”概念推广为任意自旋相对论量子态相干性与相位关联的定量度量，从而实现了哈密顿量的系统性块对角化，并支持对费米子与玻色子系统叠加效应的分析。
Multiplayer parallel repetition without dependency-breaking and anchoring variables: monotonic, concave amplification
本文通过引入一种基于单调凹函数的新型放大函数，建立了多玩家博弈在并行重复下最优值衰减的定量估计，从而推广了以往的双人博弈结果，并解决了关于消除依赖破坏变量和锚定变量的一个开放性问题。
Chiral-Induced Spin Selectivity Regulates Triplet formation in Heliobacterial Photosynthesis
本理论研究证明，手性诱导自旋选择性（CISS）通过自旋控制显著抑制三重态的形成，即使在缺乏内磁场的情况下，也作为光合细菌光合作用中的一种内在量子保护机制发挥作用。
Entanglement Requirements for Coherent Enhancement in Detectors
本文确立，探测器中相干增强的实际极限根本上受纠缠制约，并推导出将相干效应强度与探测器在计量和散射两种情境下的单模纠缠熵联系起来的普遍界限。
Spin Chains for Quantum Information Processing
本文证明，利用自旋链中的虚激发和优化边界耦合的量子纠缠生成协议，在速度、纠缠质量和抗噪鲁棒性方面显著优于交替耦合方法，为可扩展的固态量子技术提供了一个有前景的框架。
Graduate Training in Quantum Information Science and Engineering: Lessons, Challenges, and a Roadmap from the NSF Research Traineeship Programs
本文借鉴十八项由国家科学基金会资助的项目所汲取的经验教训，分析了研究生量子信息科学与工程（QISE）教育中的核心张力，并提出了一条旨在将培训扩展至资源充裕机构之外的结构性创新路线图及八项具体建议。
Machine-learned, finite temperature Fermi-operator expansions suitable for GPUs and AI-hardware
本文提出了一种基于 SP2 方案、将电子结构计算映射至深度神经网络架构的机器学习增强型有限温度递归费米算符展开方法，该方法通过利用优化的矩阵 - 矩阵乘法与仿射重缩放来避免显式对角化与模型重新训练，从而在 GPU 和人工智能硬件上实现数量级的加速。