⚛️ quantum physics
The Intrinsic Connection between Dynamical Phase Transitions and Magnetization in the 1D XY Model
本研究表明，在一维 XY 模型中，更强的初始磁化强度通过抑制自旋翻转，抑制了在同相内淬火过程中动力学量子相变的出现，这一机制为桌面级实验平台提供了一个可测试的预测。
⚛️ Category
quant-ph
7120 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。
⚛️ high-energy theory
Classical interactions in quantum field theory
本文通过使用拉格朗日乘子将场约束为通过树图进行经典传播，从而综述并开发了一种形式体系，并将该框架应用于一个在六维空间中与经典标量场相互作用的 对称量子场，以分析其重整化群性质、有效势以及不动点。
⚛️ quantum physics
Scalable Tensor Network Simulation for Quantum-Classical Dual Kernel
本文介绍了一种可扩展的张量网络框架，该框架能够实现对 784 位量子-经典双核的模拟，并证明了这种混合方法通过利用经典组件在高维情况下稳定性能，同时在较低规模下保留量子优势，从而持续优于纯量子和纯经典基准。
⚛️ quantum physics
Methods for non-variational heuristic quantum optimisation
本文引入并验证了一类新型的非变分、抗噪声量子优化启发式算法——量子增强模拟退火（QeSA）和量子增强并行回火（QePT），这类算法利用马尔可夫链蒙特卡罗技术，在处理困难的谢里顿-卡尔克曼实例时，实现了优于经典基准的扩展性。
🔬 mesoscale physics
Steady-state skin effect in bosonic topological edge states under parametric driving
本研究通过向玻色子陈绝缘体的边缘态引入参数泵浦，从而在量子凝聚态中提出并从理论上证明了一种无耗散稳态皮肤效应，该效应导致了正交各向异性的角部粒子积累，从而架起了非厄米谱理论与实际量子物理系统之间的桥梁。
🔢 mathematics
N-dimensional Coulomb-Sturmians with noninteger quantum numbers
本文推导了具有非整数量子数的 N 维 Bagci-Hoggan 轨道的微分方程，证明了库仑-斯特米安（Coulomb-Sturmians）是这些方程中一个特定的整数值情形，并且 Guseinov 的 代表的是维度偏移的库仑-斯特米安，而非独立的基组。
⚛️ quantum physics
Dual channel multi-product formulas
本文提出了一种双通道多产品公式，该公式实现了 Trotter 误差标度在两倍上的提升，使得在实现目标模拟精度时，与传统的多产品公式方案相比，能够减少约一半的电路深度并降低物理误差缓解开销。
⚛️ quantum physics
Quantum vortex channels as Josephson junctions
本文表明，旋转双组分凝聚体中的量子化涡旋可以自诱导产生空心通道，从而充当可调控的约瑟夫森结，通过一个允许通过量子压力势垒实现跨相分离域超流的机制，使得通过种间相互作用和偶极相互作用实现对输运机制和电路配置的控制成为可能。
⚛️ quantum physics
Real-time detection of correlated quasiparticle tunneling events in a multi-qubit superconducting device
本文提出了一种用于检测共存的两台超导跨子（transmons）中准粒子隧穿现象的实时检测方法，研究表明，虽然单个事件是不相关的，但大约每分钟发生一次的罕见爆发期会诱发两台设备之间高度相关的误差。
⚛️ high-energy experiments
Position: The Need for Ultrafast Training
本文主张实现从静态仅推理型 FPGA 加速器向超快速片上学习系统的范式转变，从而在与推理相同的确定性、亚微秒级数据路径内实现实时模型自适应，进而为高频科学及工业环境中的闭环控制赋能。