XiaoMi-AI文件搜索系统
World File Search System二分
论量子网络的二分纠缠容量
摘要 我们考虑由具有非确定性纠缠交换能力的设备组成的量子网络中一对节点的多路径纠缠分布问题。多路径纠缠分布使网络能够通过预先建立的链路级纠缠在任意数量的可用路径上建立端到端纠缠链路。另一方面，概率纠缠交换限制了节点之间共享的纠缠量；当由于实际限制，交换必须在时间上彼此接近时尤其如此。我们将重点限制在网络中仅产生二分纠缠的情况，将问题视为两个希望通信的量子端节点之间广义流最大化的一个实例。我们提出了一个混合整数二次约束规划 (MIQCP) 来解决具有任意拓扑的网络的流问题。然后，我们通过求解由概率纠缠链路存在和不存在生成的所有可能网络状态的流问题，然后对所有网络状态容量求平均值，计算总网络容量，该容量定义为每单位时间分配给用户的 Einstein-Podolsky-Rosen (EPR) 状态的最大数量。MIQCP 还可以应用于具有多路复用链路的网络。虽然我们计算总网络容量的方法具有不良特性，即状态总数会随着链路多路复用能力呈指数增长，但它仍然会产生一个精确的解决方案，可作为更容易实现但非最优纠缠路由算法吞吐量性能的上限比较基础。
可视化二分网络并计算一些（...
双方包装。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。4 array2linkmx。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。16 as.one.mode。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。17 as.tnet。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。19 Barrett1987。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 21 betalinkr。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。19 Barrett1987。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。21 betalinkr。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。21 inness_w。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。26 Bezerra2009。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。27 C.Score。。。。。。。。。。。。。。。。。。。。。。。。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>28 CLOSSNESS_W。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>29 clustering_tm。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>31座舱。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>32计算胭脂。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>33个Czvalues。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>35 Demimalr9dtable。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>37 degantist。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>39 dfun。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>41 dirt_lpa_wb_plus。 div>。 div>。 div>。 div>。 div>。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。43差异。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。45 dange_w。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。47 Elberling1999。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。48空。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。49端点。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 div>。 div>。 div>。 div>50灭绝。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>51 fc。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 52 frame2webs。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div>51 fc。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>52 frame2webs。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。。。。。。。。。。。。。。。53 Genweb。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 55 GroupLevel。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 56 H2FUN。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。53 Genweb。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。55 GroupLevel。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。56 H2FUN。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。56 H2FUN。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。62 inouye1988。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。63 Junker2013。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。64 Kato1990。 。 。 。 。 。 。 。 。 。64 Kato1990。。。。。。。。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>65 Kevan1970。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>66 linklevel。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>67 ListModulinformation。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。68 MEMMOTT1999。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 69 MGEN。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。68 MEMMOTT1999。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。69 MGEN。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。69 MGEN。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。69 Moduleweb级。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>71 Moshquin1967。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>72 Motts1982。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>73 div>
将二分图纳入药物反应预测
摘要动机：包含药物化学结构、药物在细胞系中的反应以及细胞系分子谱的公开数据库数量不断增加，引起了人们对药物反应预测问题的关注。然而，许多现有方法并未充分利用具有相似结构的细胞系和药物之间共享的信息。因此，药物在细胞系反应和化学结构方面的相似性可能有助于形成药物表征，从而提高药物反应预测的准确性。结果：我们提出了两种用于药物反应预测的深度学习方法，BiG-DRP 和 BiG-DRP+。我们的模型通过二分图和异构图卷积网络利用药物的化学结构以及药物和细胞系之间的潜在关系，将敏感和抗性细胞系信息融入形成药物表征中。在不同场景中对我们的方法和其他最先进模型的评估表明，加入这种二分图可显著提高预测性能。此外，对我们模型性能有重大贡献的基因也指向重要的生物过程和信号通路。使用我们的模型对患者肿瘤的预测药物反应进行分析，揭示了突变与药物敏感性之间的重要关联，说明了我们的模型在药物基因组学研究中的实用性。可用性：github.com/ddhostallero/BiG-DRP 中提供了 Python 算法的实现。联系方式：example@example.org 补充信息：补充数据可在 Bioinformatics online 上找到。
非线性耦合连续变量二分系统的量子经典熵分析
摘要：对应原理在量子力学中起着基础性作用，这自然会促使我们探究是否有可能在相空间中找到或确定量子态的接近经典类似物——这是经典和量子密度统计描述符的共同交汇点。本文通过研究在去除与给定纯量子态相关的 Wigner 分布函数所显示的所有干扰特征后出现的经典类似物的行为来解决此问题。因此，在两个四次振荡器在规则和混沌条件下非线性耦合的情况下，对连续变量二分系统进行线性和冯诺依曼熵的动态演化数值计算，并与相应的经典对应物进行比较。考虑了整个系统的三个量子态：高斯态、猫态和贝尔态。通过比较量子和经典熵值，特别是它们的趋势，表明这些熵不是纠缠产生，而是为我们提供有关系统（量子或经典）离域的信息。这种信息的逐渐丢失意味着量子和经典领域的增长，这与双方自由度之间相关性的增加直接相关，在量子情况下，这通常与纠缠的产生有关。
使用量子二分相关器的盲量子机器学习
分布式量子计算是一种很有前途的计算范式，可用于执行超出单个量子设备能力范围的计算。分布式量子计算中的隐私对于在存在不受信任的计算节点的情况下保持机密性和保护数据至关重要。在本信中，我们介绍了基于量子二分相关器算法的新型盲量子机器学习协议。我们的协议减少了通信开销，同时保护了不受信任方的数据隐私。我们引入了强大的特定于算法的隐私保护机制，其计算开销低，不需要复杂的加密技术。然后，我们通过复杂性和隐私分析验证了所提协议的有效性。我们的发现为分布式量子计算的进步铺平了道路，为量子技术时代的隐私感知机器学习应用开辟了新的可能性。
使用计算机软件研究循环二分图中的纠缠熵
纠缠在量子信息处理中起着至关重要的作用，包括量子通信[1,2]和量子计算[3–5]。它是量子力学和经典力学的显著区别之一。几十年来，纠缠一直是量子力学基础研究的焦点，尤其与量子不可分性和违反贝尔不等式有关[6]。纠缠已被视为如此重要的资源，因此需要一种对其进行量化的方法。对于二分纠缠，Horodecki 家族[7]最近撰写了一篇详尽的综述，Plenio 和 Virmani[8]对纠缠测度进行了详细的综述。纠缠的操作标准之一是施密特分解[9–11]。施密特分解是研究二分纯态纠缠的一个很好的工具。施密特数提供了一个重要的变量来对纠缠进行分类。部分纠缠纯态的纠缠可以自然地通过其纠缠熵来参数化，定义为冯·诺依曼熵，或等效地定义为施密特系数平方的香农熵 [ 9 , 11 ]。如果只有所谓的“高斯态”，情况就会变得简单
二分量子相互作用和只读存储器设备的纠缠和密钥协商能力
1 路易斯安那州立大学物理与天文系赫恩理论物理研究所，路易斯安那州巴吞鲁日 70803，美国 2 布鲁塞尔自由大学布鲁塞尔理工学院量子信息与通信中心 (QuIC)，比利时 B-1050 3 ICFO-科学照片研究所，巴塞罗那科学技术研究所，Av.卡尔弗里德里希高斯 3，08860 卡斯特尔德费尔斯（巴塞罗那），西班牙。 4 代尔夫特理工大学 QuTech，Lorentzweg 1, 2628 CJ 代尔夫特，荷兰 5 NTT 基础研究实验室和 NTT 理论量子物理研究中心，NTT 公司，3-1 Morinosato-Wakamiya，厚木，神奈川县 243-0198，日本 6 路易斯安那州立大学计算与技术中心，路易斯安那州巴吞鲁日 803，美国（日期：2020 年 1 月 28 日）
空间高效的内点法，应用于线性规划和最大权重二分匹配
是计算机科学和运筹学中最基本的问题之一。在过去的半个世纪里，人们致力于开发时间高效的线性规划求解器，例如单纯形法 [23]、椭球法 [44] 和内点法 [41]。近几年，利用内点法 (IPM) 加速线性规划求解得到了深入研究 [20, 55, 13, 35, 65, 25, 71]。当 m ≈ n 时，最先进的 IPM 运行时间为 O(m2+1/18+mω)，当 m≫n 时，运行时间为 O(mn+n3)。为了实现这些令人印象深刻的改进，大多数此类算法利用随机和动态数据结构来同时维护原始解和对偶解。虽然这些算法在时间上是高效的，但它们不太可能以空间高效的方式实现：维护原始对偶公式需要 Ω(m + n2) 空间，当 m ≫ n 时尤其不能令人满意。在本文中，我们研究了在流式模型中求解线性规划的问题：在每一遍中，我们可以查询 A 的第 i 行和 b 的对应行。目标是设计一个既节省空间又节省遍历次数的 LP 求解器。所谓高效，我们的目标是获得一种不依赖于 m 的多项式的算法，或者更具体地说，我们提出一个健壮的 IPM 框架，该框架仅使用 e O(n2) 空间和 e O(√n log(1/ϵ)) 次遍历。1据我们所知，这是实现与 m 无关的空间和遍历最高效的流式 LP 算法。目前最好的 LP 流式算法要么需要 Ω(n) 次传递，要么需要 Ω(n2+m2) 空间来进行 O(√n) 次传递。对于高密集 LP（m≫n）的情况，我们的算法实现了最佳空间和传递。获得这些 LP 算法的关键因素是从时间高效的原始对偶 IPM 转变为时间效率较低的仅对偶 IPM [64]。从时间角度来看，仅对偶 IPM 需要 e O(√nlog(1/ϵ)) 次迭代，每次迭代可以在 e O(mn+poly(n)) 的时间内计算完成。然而，它比原始对偶方法更节省空间。具体而言，我们表明每次迭代，只需维护一个 n×n 的 Hessian 矩阵即可。为了获得 e O ( √ n log (1 /ϵ )) 次传递，我们证明了诸如 Lewis 权重 [ 56 , 21 ] 等非平凡量可以以仅使用 e O ( n 2 ) 空间的就地方式递归计算。既然我们有了用于流式模型中一般 LP 的空间和传递效率高的 IPM，我们将使用半流式模型中的图问题应用程序对其进行实例化。在半流式模型中，每条边及其权重都以在线方式显示，并且可能受到对抗顺序的影响，并且算法可以在 e O ( n ) 空间中对流进行多次传递。2我们特别关注最大权重二分匹配问题，其中带有权重的边以流式传输给我们，目标是找到一个匹配，使其中的总权重最大化。虽然对这个问题的研究已经很多（[ 2 , 36 , 24 , 3 , 9 ] 等），但大多数算法只能计算近似匹配，这意味着权重至少是最大权重的 (1 − ϵ )。对于精确匹配的情况，最近的一项研究 [ 6 ] 提供了一种算法，它取 n 4 / 3 + o (1)
自旋系综中的数相不确定关系和二分纠缠检测
我们提出了一种基于分裂自旋系综中类数相不确定关系来检测二分纠缠的方法。首先，我们推导出一个不确定关系，该关系在自旋系统中起到数相不确定性的作用。重要的是，该关系具有明确定义且易于测量的量，并且不需要假设无限维系统。基于这种不确定关系，我们展示了如何检测许多自旋 1/2 粒子的非极化 Dicke 态中的二分纠缠。将粒子分成两个子系综，然后在这两个部分上进行局部集体角动量测量。首先，我们提出一个二分爱因斯坦-波多尔斯基-罗森 (EPR) 转向标准。然后，我们提出一种可以在这种系统中检测二分纠缠的纠缠条件。通过将这些标准应用于 K. Lange 等人给出的最新实验，我们证明了这些标准的实用性。 [Science 360, 416 (2018)] 在冷原子的玻色-爱因斯坦凝聚态中实现狄克态，其中两个子集合在空间上彼此分离。如果考虑分裂自旋压缩态，我们的方法也同样有效。我们全面展示了如何处理实验缺陷，例如包括分区噪声在内的非零粒子数方差，以及尽管理想情况下 BEC 占据单一空间模式，但实际上其他空间模式的数量无法完全抑制这一事实。
基于氮化硅微环谐振器的二分纠缠量子频率梳设计平台
集成克尔量子频率梳 (QFC) 具有产生多个可扩展量子态的潜力，已成为宽带纠缠的紧凑、稳定和基本资源。在这里，我们构建了一个通过片上氮化硅微环谐振器设计二分纠缠 QFC 的平台。通过建立克尔非线性微谐振器的系统量子动力学，我们的平台可以支持多达 12 个连续变量量子模式，形式为受磁滞影响的六个同时双模压缩对。频率模式对的纠缠度取决于谐振器结构和环境温度。通过调节腔体温度，我们可以在特定的注入泵浦功率和泵浦失谐下优化纠缠性能。我们全面的 QFC 设计流程和纠缠分布控制可以改善纠缠的产生和优化。