XiaoMi-AI文件搜索系统
World File Search System伪酉
多尺度特征交互的伪标签无监督域自适应行人重识别
刘仲民，杨富君，胡文瑾 .多尺度特征交互的伪标签无监督域自适应行人重识别 [J].光电工程， 2025 ， 52 (1): 240238 Liu Z M, Yang F J, Hu W J. Multi-scale feature interaction pseudo-label unsupervised domain adaptation for person re- identification[J].Opto-Electron Eng , 2025, 52 (1): 240238
论量子信道的混合酉秩
在量子信息理论中，对于任何维度为 n 的正整数，混合酉量子信道是那些可以用 n × n 复酉矩阵的共轭凸组合表示的线性映射。我们考虑任何此类信道的混合酉秩，它是这种形式表达所需的最少不同酉共轭个数。我们确定了混合酉信道的混合酉秩 N 和 Choi 秩 r 之间的几种新关系，Choi 秩等于该信道的 Kraus 表示所需的最少非零项个数。最值得注意的是，我们证明了对每个混合酉信道都有不等式 N ≤ r 2 − r + 1 满足（当 r = 2 时，等式 N = 2 也是如此），并且我们展示了已知的第一个满足 N > r 的混合酉信道的例子。具体来说，我们证明对于无穷多个正整数 d （包括每个素数幂 d ），存在 Choi 秩为 d + 1 和混合酉秩为 2 d 的混合酉信道。我们还研究了混合酉 Werner-Holevo 信道的混合酉秩。
基于伪...
计算机网络的进步将数字图像在多媒体网络上的额外效率检索引向。加密用于确保在网络上传输的敏感信息。广泛的混乱行为很难预测，这些行为显然是随机且无法预测的。混乱理论定义了混乱复杂系统中存在的随机性行为，可以通过使用数学模型来规定它。混沌模型被广泛用于保护数据，因为其所需的属性，包括千古，不可预测性和对初始条件的敏感依赖性，错误的初始条件将导致非差异行为。这些特性，尤其是在科学和工程学科中，引起了广泛的关注，设计了新的加密算法和密码分析。混沌系统的动力学表现出引人入胜的非线性效应，从而导致数据加密的完整安全性和关键空间。混乱在设计强大的加密系统中起着至关重要的作用，例如S-boxes的构建，图像加密算法，随机数发生器等[1-7]。基于量子混乱的加密图像将在未来的量子计算机时代中作为特定和关键的量子信息类型发挥重要作用。为各种目的开发了几种用于量子图像的表示方案或模型。随着时间的到来，人们担心如果经典混沌系统进行量化。受试者已成为量子混乱。这项研究基于经典混沌系统的量子版本。基于混乱的量子系统基于地图，可以深入了解量子混乱的性质[8]。经典混沌图的量化版本具有更好的属性。基于规范变换的量子等效物，可以认为经典映射的量化版本（量子图）。但是，有
![arXiv:2103.15353v1 [quant-ph] 2021 年 3 月 29 日](/simg/0\00b21ce072a46f3d20e24b99ac306f5cb666ee5a.webp)
arXiv:2103.15353v1 [quant-ph] 2021 年 3 月 29 日
在传统量子力学中，量子不可删除定理和不可克隆定理表明两个不同的非正交状态不能被完美地和确定性地删除和克隆。本文，我们研究了伪酉系统中的量子删除和克隆。我们首先在双量子比特系统中提出一个具有实特征值的伪厄米汉密尔顿算子。利用由该伪厄米汉密尔顿算子生成的伪酉算子，我们证明了可以删除和克隆一类两个不同的非正交状态，并且可以推广到任意两个不同的非正交纯量子比特状态。此外，还讨论了与量子不可克隆定理密切相关的状态鉴别。最后，我们用后选择模拟了传统量子力学中的伪酉算子，并获得了模拟的成功概率。由于后选择操作的存在，伪幺正算子实现效率有限，因此传统量子力学模拟中删除和克隆的成功概率均小于1，从而维持了量子不可删除不可克隆定理。
学习酉变换 Bobak Toussi Kiani
线性代数是一个简单而优雅的数学框架，是许多科学和工程学科的数学基石。线性代数被广泛定义为对以向量和矩阵表示的线性方程的研究，它为操纵和控制许多物理系统提供了数学工具箱。例如，线性代数是量子力学现象和机器学习算法建模的核心。在线性代数研究的矩阵领域中，酉矩阵因其特殊属性而脱颖而出，即它们保留范数并且易于计算逆。从算法或控制设置解释，酉矩阵用于描述和操纵许多物理系统。与当前工作相关的是，酉矩阵通常在量子力学中被研究，它们可以公式化量子态的时间演化，在人工智能中，它们提供了一种通过保留范数来构建稳定学习算法的方法。在研究酉矩阵时自然会出现一个问题，那就是学习它们有多难。例如，当人们想要了解一个量子系统的动态或将酉变换应用于嵌入到机器学习算法中的数据时，可能会出现这样的问题。在本文中，我研究了在深度学习和量子计算的背景下学习酉矩阵的难度。这项工作旨在提高我们对酉矩阵的一般数学理解，并提供将酉矩阵集成到经典或量子算法中的框架。本文比较了量子和经典领域中参数化酉矩阵的不同形式。一般来说，实验表明，无论考虑哪种参数化，学习任意 𝑑 × 𝑑 酉矩阵都需要学习算法中至少 𝑑 2 个参数。在经典（非量子）设置中，酉矩阵可以通过组合作用于酉流形较小子空间的算子的乘积来构造。在量子设置中，也存在在汉密尔顿设置中参数化酉矩阵的可能性，其中表明重复应用两个交替的汉密尔顿量就足够了
伪内扩散模型
摘要 - 基于分数的扩散模型具有显着的生成深度学习，用于图像处理。调查条件模型也已应用于CT重建等反问题。但是，常规方法（最终以白噪声）需要大量的反向过程更新步骤和分数功能评估。为了解决这一局限性，我们提出了一个基于分数扩散模型的替代前进过程，该过程与低剂量CT重建的噪声特性一致，而不是收敛到白噪声。这种方法大大减少了所需的得分功能评估的数量，提高效率并维持放射科医生熟悉的噪声纹理，我们的方法不仅可以加速生成过程，而且还保留了CT噪声相关性，这是临床医生经常批评的深度学习重建的关键方面。在这项工作中，我们严格地为此目的定义了基质控制的随机过程，并通过计算实验对其进行验证。使用来自癌症基因组肝肝肝癌（TCGA-LIHC）的数据集，我们模拟了低剂量CT测量结果并训练我们的模型，将其与基线标量扩散过程和条件扩散模型进行了比较。我们的结果证明了我们的伪内扩散模型的优越性，并在质地上产生高质量重建的能力，这些重建在质地上熟悉的医学专业人员的得分函数评估较少。这一进步为医学成像中更有效和临床上的扩散模型铺平了道路，在需要快速重建或较低辐射暴露的情况下尤其有益。
拓扑大面积伪...
Liu He , a Zhihao Lan , b, * Bin Yang, c Jianquan Yao, a Qun Ren, d,e Jian Wei You, e Wei E. I. Sha , f Yuting Yang, c, * and Liang Wu a, * a Tianjin University, Ministry of Education, School of Precision Instruments and Opto-Electronics Engineering, Key Laboratory of Opto-Electronics Information Technology Tianjin, China b University College London, Department of Electronic and Electrical Engineering, London, United Kingdom c University of Mining and Technology, School of Materials Science and Physics, Xuzhou, China d Tianjin University, School of Electrical and Information Engineering, Tianjin, China e Southeast University, School of Information Science and Engineering, State Key Laboratory of Millimeter Waves, Nanjing, China f Zhejiang University, College of Information Science and Electronic工程，中国杭州省微型电子设备和智能系统的主要实验室
经济波动与伪财富
在经济的基本状态变量似乎没有任何相应冲击的情况下，总需求发生的巨大变化如何解释？我们表明，宏观经济波动可能源于主体之间信念的分散。这些分散引发了投机性资产的赌注和其他交易。此类交易产生了伪财富，即个人根据对这些赌博回报的预期而认为自己拥有的财富。总体而言，当有足够的交易机会和足够大的信念分散时，这种感知财富可能会与市场财富或经济的实际财富脱节，这是危险的。鉴于前所未有的冲击自然会导致信念分散加剧，伪财富理论为意外波动的起源及其幅度提供了新的理解，与基于个人共同知识和信念的流行理论截然不同。本文探讨了伪财富的经验和理论基础，将这一概念与观察到的宏观经济波动联系起来，并提出了一项研究议程，可能有助于我们更好地理解伪财富的作用及其显现的环境。
