XiaoMi-AI文件搜索系统
World File Search System保真度
TorchQuantum 稳健量子电路案例研究
摘要 量子计算因其在各个领域实现速度和效率根本提升的潜力而吸引了众多研究关注。在不同的量子算法中，用于量子机器学习 (QML) 的参数化量子电路 (PQC) 有望在当前的嘈杂中型量子 (NISQ) 机器上实现量子优势。因此，为了促进 QML 和 PQC 研究，最近发布了一个名为 TorchQuantum 的 Python 库。它可以构建、模拟和训练用于机器学习任务的 PQC，速度快且调试方便。除了用于机器学习的量子，我们还希望引起社区对相反方向的关注：用于量子的机器学习。具体而言，TorchQuantum 库还支持使用数据驱动的机器学习模型来解决量子系统研究中的问题，例如预测量子噪声对电路保真度的影响并提高量子电路编译效率。本文介绍了 TorchQuantum 中用于量子部分的机器学习的案例研究。由于估计噪声对电路可靠性的影响是理解和减轻噪声的重要步骤，我们建议利用经典机器学习来预测噪声对电路保真度的影响。受量子电路自然图形表示的启发，我们建议利用图形变换器模型来预测嘈杂的电路保真度。我们首先收集包含各种量子电路的大型数据集，并在嘈杂的模拟器和真实机器上获得它们的保真度。然后，我们将每个电路嵌入到具有门和噪声属性作为节点特征的图中，并采用图形变换器来预测保真度。我们可以避免指数级的经典模拟成本，并有效地估计具有多项式复杂度的保真度。在 5,000 个随机和算法电路上进行评估，图形变换器预测器可以提供准确的保真度估计，RMSE 误差为 0.04，平均比简单的基于神经网络的模型高出 0.02。它可以分别对随机和算法电路实现 0.99 和 0.95 的 R 2 分数。与电路模拟器相比，该预测器在估计保真度方面具有超过 200 倍的速度提升。数据集和预测器可以在 TorchQuantum 库中访问。1 简介
用于耦合全阶和降阶模型的多保真计算
混合物理-机器学习模型越来越多地用于传输过程的模拟。许多与科学和工程应用相关的复杂多物理系统包括多个时空尺度，并包含一个多保真度问题，该问题在各种公式或异构计算实体之间共享一个接口。为此，我们提出了一种强大的混合分析和建模方法，结合基于物理的全阶模型 (FOM) 和数据驱动的降阶模型 (ROM)，形成混合保真度描述中面向预测数字孪生技术的集成方法的构建块。在界面上，我们引入了一个长短期记忆网络，以各种形式的界面误差校正或延长来桥接这些高保真度和低保真度模型。所提出的界面学习方法被测试为一种解决 ROM-FOM 耦合问题的新方法，使用双保真度设置解决非线性平流扩散流情况，该设置可以捕捉广泛传输过程的本质。
纠缠态比乘积态更难转移
摘要：纠缠态的分布是许多量子信息处理协议中至关重要的关键任务。一种常用的量子态分布设置设想在一个位置创建状态，然后通过一些量子通道将其发送到（可能不同的）远程接收器。虽然毫无疑问，也许直观地预料到，纠缠量子态的分布效率低于乘积态，但尚未对这种低效率（即纠缠态和分解态的量子态传输保真度之间的差异）进行彻底的量化。为此，在这项工作中，我们考虑了 n 个独立的振幅衰减通道，它们并行作用，即每个通道局部作用于 n 个量子比特状态的一部分。我们推导出了在初始状态存在纠缠的情况下，最多四个量子比特的乘积态保真度降低的精确分析结果。有趣的是，我们发现真正的多部分纠缠对保真度的影响比双量子比特纠缠更大。我们的结果暗示了这样一个事实：对于更大的 n 量子比特状态，产品状态和纠缠状态之间的平均保真度差异会随着单量子比特保真度的增加而增加，从而使后者成为不太值得信赖的品质因数。
在量子隐形传态中表征量子比特通道
我们考虑这样一种场景：一方（比如 Alice）准备一个纯的两量子比特（最大纠缠或非最大纠缠）状态，并通过量子比特（单元或非单元）通道将该状态的一半发送给另一方（比如 Bob）。最后，共享状态用作隐形传态通道。在这种情况下，我们专注于根据最大平均保真度和保真度偏差（保真度值随输入状态波动）来描述量子比特通道集作为量子隐形传态 (QT) 资源的最终状态有效性。重要的是，我们指出，当初始准备状态对通用 QT 有用（即，对于最大纠缠状态）或对通用 QT 无用（即，对于非最大纠缠纯态的子集）时，存在一个量子比特通道子集，对于该子集，最终状态对通用 QT 有用（最大平均保真度严格大于经典界限，保真度偏差为零）。有趣的是，在后一种情况下，我们表明，非单元通道（耗散相互作用）比单元通道（非耗散相互作用）更有效地从非最大纠缠纯态产生对通用 QT 有用的状态。
自旋量子比特跨越表面代码阈值的量子逻辑
量子比特的高保真控制对于量子算法的可靠执行和实现容错（即在错误发生前更快地纠正错误的能力）至关重要 1 。容错的核心要求用错误阈值来表示。虽然实际阈值取决于许多细节，但一个共同的目标是众所周知的表面码的约 1% 的错误阈值 2,3 。达到 99% 以上的双量子比特门保真度一直是半导体自旋量子比特的长期主要目标。这些量子比特有望实现扩展，因为它们可以利用先进的半导体技术 4 。这里我们报告了一种基于自旋的硅量子处理器，具有从门集断层扫描中提取的单量子比特和双量子比特门保真度，所有保真度均超过 99.5%。当包括相邻量子比特上的串扰和空闲错误时，平均单量子比特门保真度仍保持在 99% 以上。利用这组高保真门，我们利用变分量子特征值求解算法 5 执行了计算分子基态能量的艰巨任务。半导体量子比特已经突破了双量子比特门保真度 99% 的障碍，在实现容错以及在嘈杂的中型量子设备时代可能的应用方面处于有利地位。
![arxiv：2412.07623v1 [Quant-ph] 2024年12月10日](/simg/g:\will\search\icon\source\2\206d07d0c3d81e24d44a15476c3e76d02bc1858d.webp)
arxiv：2412.07623v1 [Quant-ph] 2024年12月10日
在现代量子信息科学中验证量子状态的正确制备至关重要。已经开发了各种方案，以估计不同各方产生的量子状态的保真度。直接保真度估计是一种领先的方法，因为它通常需要许多与希尔伯特空间维度线性扩展的测量值，从而使其比完整的状态层析成像效率要高得多。在本文中，我们介绍了通用量子状态的新型保真度估计方案，其总体计算成本仅作为希尔伯特空间维度的平方根缩放。此外，我们的协议大大减少了要求的测量数量以及当事方之间有限的沟通成本。该协议利用量子幅度估计算法与经典的影子层析成像结合使用来实现这些改进。
李叶荣、刘毅人、黄云。 2018.VicSim：通过情感和语言保真度增强受害者模拟。诉讼中
场景 用户担心楼上传来的巨响，他们认为那是他们大楼的二楼。用户提供的位置是“庭院公寓”，并分享了有关噪音的详细信息，包括噪音来自他们上方，并且发生在夜间和下午。用户还提到他们是加州大学洛杉矶分校的学生，他们没有向大学报告噪音。调度员派了一名警官到该地点，用户与警官 Jane 进行了交谈。警官确认噪音来自楼上，他们会进一步调查。序数：第二次时间：夜间时间：下午头衔：学生组织：加州大学洛杉矶分校人员：Jane
患有病理（先前发生过缺氧缺血性损伤）的儿童的 MRI 扫描 3D 打印大脑的保真度
摘要 仅使用脑图像很难向非放射科医生和普通人展示患有缺氧缺血性损伤 (HII) 的儿童的脑表面皮质损伤。三维 (3D) 打印有助于传达儿童脑因 HII 导致的体积损失和病理。3D 打印模型按比例表示脑，可以与正常脑模型进行比较以了解体积损失。如果要使用 3D 打印的脑用于正式交流，例如与医学同事或在法庭上交流，它们应该高度逼真地再现患者脑的实际大小。在这里，我们评估了先前患有 HII 的儿童的脑部 MRI 扫描的 3D 打印模型的尺寸保真度。根据 HII 儿童的 MRI 扫描创建了 12 个脑部 3D 打印，并选择它们来代表各种皮质病理。对 3D 打印进行了特定的预定测量，并将其与 MRI 上匹配平面的测量值进行比较。额枕骨长度 (FOL) 和双颞骨/双顶骨直径 (BTD/BPD) 显示出较高的组间相关性 (ICC)。半球高度、颞骨高度和脑桥小脑厚度的相关性为中等至弱。平均测量标准误差 (SEM) 为 0.48 厘米。我们的结果表明，从脑部 MRI 扫描得出的每个 3D 打印模型与原始 MRI 的总体测量值具有较高的相关性，FOL 和 BTD/BPD 的高 ICC 值就是明证。相关性值较低的测量值可以通过测量平面与 MRI 切片方向的匹配变化来解释。
QuCloud+：用于单/双量子比特的整体量子比特映射方案...
对于NISQ超导量子计算机来说，量子比特映射对于保真度和资源利用率至关重要。现有的量子比特映射方案面临诸如串扰、SWAP开销、设备拓扑多样等挑战，导致量子比特资源利用不足和计算结果保真度较低。本文介绍了一种解决这些挑战的新型量子比特映射方案QuCloud+。QuCloud+有几项新的设计。（1）QuCloud+支持2D/3D拓扑量子芯片上的单/多程序量子计算。（2）QuCloud+利用串扰感知社区检测技术对并发量子程序的物理量子比特进行分区，并进一步根据量子比特度数分配量子比特，提高保真度和资源利用率。（3）QuCloud+包含X-SWAP机制，可避免串扰误差较大的SWAP，并支持程序间SWAP以降低SWAP开销。 (4) QuCloud+根据最佳实践的保真度估计来调度要映射和执行的并发量子程序。实验结果表明，与现有的典型多道程序研究[12]相比，QuCloud+可实现高达9.03%的保真度提升，并节省映射过程中所需的SWAP，减少插入的CNOT门数量40.92%。与最近的一项研究[30]相比，该研究通过映射后门优化进一步减少门数量，在使用相似门数量的情况下，QuCloud+将映射后的电路深度减少了21.91%。
超导量子网络中的纠缠净化与保护
高保真量子纠缠是量子通信和分布式量子计算的关键资源，可实现量子态隐形传态、密集编码和量子加密。然而，通信信道中的任何退相干源都会降低纠缠保真度，从而增加纠缠态协议的错误率。纠缠纯化提供了一种缓解这些非理想性的方法，它将不纯态提炼成更高保真度的纠缠态。在这里，我们展示了两个远程超导量子节点之间共享的贝尔对的纠缠纯化，这两个节点通过一条 1 米长的中等损耗超导通信电缆连接。我们使用纯化过程来校正由电缆传输引起的主要振幅阻尼误差，对于更高的阻尼误差，保真度最高可提高 25%。纯化实现的最佳最终保真度为 94.09！0.98%。此外，我们同时使用动态解耦和 Rabi 驱动来保护纠缠态免受局部噪声的影响，将有效量子比特失相时间增加了 4 倍，从 3 微秒增加到 12 微秒。这些方法展示了在超导量子通信网络中生成和保存非常高保真度纠缠的潜力。