XiaoMi-AI文件搜索系统
World File Search System互信息
JHEP01(2020)031
摘要：我们考虑时间演化算子的对数负性和相关量。我们研究自由费米子、致密玻色子和全息共形场论 (CFT) 以及随机幺正电路和可积和混沌自旋链的数值模拟。全息行为与已知的非全息 CFT 结果有很大偏差，并显示出最大扰乱的明显特征。有趣的是，随机幺正电路表现出与全息通道几乎相同的行为。一般来说，我们发现“线张力图像”可以有效地捕捉混沌系统的纠缠动力学，而“准粒子图像”可以有效地捕捉可积系统的纠缠动力学。出于这个动机，我们提出了一种有效的“线张力”，可以捕捉时空缩放极限中混沌系统中对数负性的动态。我们比较了负性和互信息，从而发现量子信息和经典信息的不同动态。我们观察到的“伪纠缠”可能对经典计算机上量子系统的“可模拟性”产生影响。最后，我们使用测地线维滕图阐明了共形场论中密度矩阵部分转置运算与反德西特空间中纠缠楔形截面之间的联系。
使用 Gumbel-softmax 实现深度神经网络的端到端可学习 EEG 通道选择
摘要 — 目的。为深度神经网络开发一种高效的嵌入式脑电图 (EEG) 通道选择方法，使我们能够将通道选择与目标模型相匹配，同时避免与神经网络结合使用包装器方法所带来的巨大计算负担。方法。我们采用一个具体的选择器层来联合优化 EEG 通道选择和网络参数。该层使用 Gumbel-softmax 技巧来构建选择过程中涉及的离散参数的连续松弛，从而允许以传统反向传播的方式端到端地学习它们。由于经常观察到选择层在某个选择中包含两次相同的通道，我们提出了一个正则化函数来缓解这种行为。我们在两个不同的 EEG 任务上验证了这种方法：运动执行和听觉注意解码。对于每个任务，我们将 Gumbel-softmax 方法的性能与针对此特定任务量身定制的基线 EEG 通道选择方法进行比较：分别使用效用度量的互信息和贪婪前向选择。主要结果。我们的实验表明，所提出的框架具有普遍适用性，同时其性能至少与这些最先进的、针对特定任务的方法一样好（通常更好）。意义。所提出的方法提供了一种有效的、独立于任务和模型的方法来联合学习最佳 EEG 通道以及神经网络权重。
JHEP03（2021）079
摘要：我们研究了使用量子信息理论中的方法研究量子场理论的不同方面。为简单起见，我们专注于具有非零化学势的巨大乳汁费物，并在1 + 1个时空维度上起作用。使用纠缠熵在间隔上，我们构建一个有限的熵C-功能。与Lorentz-Invariant理论中发生的情况不同，这种C功能表现出强烈的单调性。它还编码从费米表面的远程纠缠的创建。是由以前在晶格模型上的作品动机的动机，我们接下来计算renyi熵并发现弗里德尔型振荡；这些从缺陷操作员产品扩展来理解。此外，我们将相互信息视为不同区域之间相关功能的量度。使用Cardy先前开发的长距离扩展，我们认为相互信息检测到膨胀中已经领先顺序的费米表面相关性。我们还分析了相对熵及其肾脏概括，以区分不同电荷和/或质量的状态。特别是我们表明，不同超选择扇区中的状态在相对熵中产生了超扩张的行为。最后，我们讨论了相互作用理论的可能扩展，并主张其中某些措施探测非Fermi液体的相关性。
利用守恒定律进行信息加扰 - NSF-PAR
量子信息的离域化或扰乱已成为理解孤立量子多体系统中热化的核心要素。最近，通过将不可积系统建模为周期驱动系统，缺乏汉密尔顿图像，而真实的汉密尔顿动力学由于计算限制通常限于小系统规模，在分析上取得了重大进展。在本文中，我们从信息论的角度研究守恒定律（包括能量守恒定律）在热化过程中的作用来解决这个问题。对于一般的不可积模型，我们使用平衡近似来表明，即使系统节省能量，最大量的信息在后期也会被扰乱（以时间演化算子的三部分互信息来衡量）。相反，我们阐明了当系统具有导致光谱退化的额外对称性时，扰乱的信息量必须减少。这一普遍理论在全息共形场论 (CFT) 和 Sachdev-Ye-Kitaev (SYK) 模型的案例研究中得到了体现。由于 1 + 1D CFT 中具有较大的 Virasoro 对称性，我们认为，在某种意义上，这些全息理论并不是最大程度混沌的，这可以通过第二个 Rényi 三分互信息的不饱和明确看出。在 SYK 模型中，粒子空穴和 U ( 1 ) 对称性的作用较弱，因为简并只有两重，我们在大 N 和小 N 时都明确证实了这一点。我们根据局部算子的增长重新解释了算子纠缠，将我们的结果与非时间序相关器所描述的信息扰乱联系起来，从海森堡的角度确定了抑制扰乱的机制。
利用守恒定律进行信息加扰
量子信息的离域化或扰乱已成为理解孤立量子多体系统中热化的核心要素。最近，通过将不可积系统建模为周期驱动系统，缺乏汉密尔顿图像，而真实的汉密尔顿动力学由于计算限制通常仅限于小系统规模，在分析上取得了重大进展。在本文中，我们从信息论的角度研究守恒定律（包括能量守恒定律）在热化过程中的作用来解决这个问题。对于一般的不可积模型，我们使用平衡近似来表明，即使系统节省能量，最大量的信息在后期也会被扰乱（以时间演化算子的三部分互信息来衡量）。相反，我们阐明了当系统具有导致光谱退化的额外对称性时，扰乱的信息量必须减少。这一普遍理论在全息共形场论 (CFT) 和 Sachdev-Ye-Kitaev (SYK) 模型的案例研究中得到了体现。由于 1 + 1D CFT 中具有较大的 Virasoro 对称性，我们认为，在某种意义上，这些全息理论并不是最大程度混沌的，这可以通过第二个 Rényi 三分互信息的不饱和明确看出。在 SYK 模型中，粒子空穴和 U ( 1 ) 对称性的作用较弱，因为简并只有两重，我们在大 N 和小 N 时都明确证实了这一点。我们根据局部算子的增长重新解释了算子纠缠，将我们的结果与非时间序相关器所描述的信息扰乱联系起来，从海森堡的角度确定了抑制扰乱的机制。
量子机器学习的泛化：量子信息的观点
量子分类和假设检验（状态和通道区分）是两个紧密相关的主题，主要区别在于前者是数据驱动的：如何将量子态 ρ(x) 分配给相应的类 c（或假设）是从训练期间的示例中学习的，其中 x 可以是可调的实验参数，也可以是“嵌入”到量子态中的经典数据。该模型是否具有泛化能力？这是任何数据驱动策略中的主要问题，即即使对于以前从未见过的状态，也能预测正确的类别的能力。在这里，我们通过证明量子分类器的准确性和泛化能力取决于量子态空间 Q 与经典参数空间 X 或类空间 C 之间的（Rényi）互信息 I(C:Q) 和 I2(X:Q)，建立了量子分类与量子信息论之间的联系。基于上述特征，我们展示了 Q 的不同属性如何影响分类准确性和泛化，例如希尔伯特空间的维数、噪声量以及通过池化层等方式从 X 中忽略的信息量。此外，我们引入了信息瓶颈原理的量子版本，使我们能够探索准确性和泛化之间的各种权衡。最后，为了检验我们的理论预测，我们研究了 Ising 自旋链的量子相的分类，并提出了变分量子信息瓶颈方法来优化经典数据的量子嵌入以利于泛化。
使用...对脑信号进行主体无关分类
摘要 — 在人类语音脑信号解码研究的活跃研究领域中，可以发现新形式的人与人之间的交流尚未开发的潜力。脑机接口系统可以使用脑电图信号来实现，因为它的临床风险较小，并且可以使用便携式仪器获取。脑机接口系统最有趣的任务之一是从原始脑电图信号中解码单词。在新用户使用脑机接口之前，当前基于脑电图的脑机接口研究通常需要特定于受试者的适应阶段。相比之下，与受试者无关的情况是人们非常希望看到的，因为它允许将训练有素的模型应用于新用户，而无需或几乎不需要预校准。鉴于这一关键特性，重点是创建一个可以在与受试者无关的情况下自适应地使用的高效解码器。我们的建议是在卷积层之间明确应用跳跃连接，以实现层间相互信息的流动。为此，我们在层之间添加了跳跃连接，使互信息在层间流动。然后，编码器的输出通过全连接层，最终表示 13 个类的概率。在本研究中，使用显性语音记录了 16 名参与者的脑电图数据。结果表明，当存在跳跃连接时，分类性能显着提高。关键词–脑机接口，深度学习，脑电图，语音处理
量子信息第10章量子香农理论
10 量子香农理论 1 10.1 香农入门 1 10.1.1 香农熵和数据压缩 2 10.1.2 联合典型性、条件熵和互信息 4 10.1.3 分布式源编码 6 10.1.4 噪声信道编码定理 7 10.2 冯·诺依曼熵 12 10.2.1 H ( ρ ) 的数学性质 14 10.2.2 混合、测量和熵 15 10.2.3 强次可加性 16 10.2.4 互信息的单调性 18 10.2.5 熵和热力学 19 10.2.6 贝肯斯坦熵界限20 10.2.7 熵不确定关系 21 10.3 量子源编码 23 10.3.1 量子压缩：一个例子 24 10.3.2 总体而言的舒马赫压缩 27 10.4 纠缠浓缩和稀释 30 10.5 量化混合态纠缠 35 10.5.1 LOCC 下的渐近不可逆性 35 10.5.2 压缩纠缠 37 10.5.3 纠缠一夫一妻制 38 10.6 可访问信息 39 10.6.1 我们能从测量中了解到多少信息？ 39 10.6.2 Holevo 边界 40 10.6.3 Holevo χ 的单调性 41 10.6.4 通过编码提高可区分性：一个例子 42 10.6.5 量子信道的经典容量 45 10.6.6 纠缠破坏信道 49 10.7 量子信道容量和解耦 50 10.7.1 相干信息和量子信道容量 50 10.7.2 解耦原理 52 10.7.3 可降解信道 55
脑电图功能连接有助于预测缺氧后昏迷的结果
目的：研究除非耦合脑电图特征外，脑电图功能连接特征对心脏骤停后昏迷患者预后的预测价值。方法：前瞻性、多中心队列研究。计算心脏骤停后 12 小时、24 小时和 48 小时 19 通道脑电图的相干性、相位锁定值和互信息。使用功能连接、脑电图非耦合特征和两者的组合训练和验证了三组机器学习分类模型。在六个月时评估神经系统预后，并将其归类为“良好”（大脑功能类别 [CPC] 1-2）或“较差”（CPC 3-5）。结果：我们纳入了 594 名患者（46% 预后良好）。在心脏骤停后 12 小时，基于最佳功能连接的分类器在预测不良预后方面实现了 51%（95% CI：34–56%）的灵敏度和 100% 的特异性，而使用 12 小时和 48 小时数据，基于最佳非耦合的模型在 100% 特异性下达到了 32%（0–54%）的灵敏度。两组特征的组合在 100% 特异性下实现了 73%（50–77%）的灵敏度。结论：功能连接测量可改善基于脑电图的缺氧昏迷不良预后的预测模型。意义：从早期脑电图得出的功能连接特征具有改善心脏骤停后昏迷结果预测的潜力。2021 年国际临床神经生理学联合会。由 Elsevier BV 出版，保留所有权利。
使用多种分解方法和聚类分析来查找和分类运动想象脑机接口实验中的典型脑电图活动模式
本研究调查了运动想象脑机接口 (BCI) 控制实验中的脑电活动来源。根据不同的标准比较了 16 种脑电源分离的线性分解方法。标准是源活动之间的互信息减少和生理合理性。后者通过估计源地形图的偶极性（即通过单个电流偶极子的电位分布近似地图的准确性）以及不同运动想象任务的源活动特异性来测试。还根据发现的共享组件数量比较了分解方法。结果表明，大多数偶极分量是由独立分量分析方法 AMICA 和 PWCICA 发现的，它们也提供了最高的信息减少。这两种方法还发现了所使用的盲源分离算法中最具任务特异性的脑电模式。在模式特异性方面，它们仅次于非盲共同空间模式方法。使用活动性增加的吸引子神经网络对所有方法发现的成分进行聚类。聚类分析的结果揭示了实验中最常见的电活动模式。这些模式反映了眨眼、眼球运动、运动想象过程中的感觉运动节律抑制以及两个半球楔前叶、辅助运动区和运动前区的激活。总体而言，多方法分解以及随后的聚类和任务特异性估计是一种可行且信息丰富的程序，可用于处理电生理实验的记录。