XiaoMi-AI文件搜索系统
World File Search System噪声模型
具有超导码头的图形稳定器的耗散动力学
我们在实验和数字上研究多部分纠缠状态的嘈杂演化，重点是通过云访问的超导量设备。我们发现，动力学的有效模式需要一个由随机电荷 - 偏向波动引起的连贯频移。我们介绍了一种方法，该方法使用扩展的马尔可夫环境建模了电荷 - 比值拆分。这种方法在数十个量子位上是可扩展的，使我们能够有效地模拟某些大型多Quipit状态的耗散动力学。探测越来越大，更复杂的初始状态的连续时间动力学，在环形状态下，最多12个耦合量子量，我们获得了实验和模拟的良好一致性。我们表明，基本的多体动力学会产生稳定器的衰减和复兴，这些动力在量子误差校正的背景下广泛使用。此外，我们使用定制的动力学去耦序列来证明两数Qubit的相互作用（串扰）的缓解。我们的噪声模型和数值方法对于提高对误差纠正和缓解的理解并邀请进一步研究其动态可能是有价值的。
根据容错阈值对量子逻辑运算进行基准测试
当前用于对噪声量子处理器进行基准测试的方法通常测量平均错误率或过程保真度。然而，容错量子误差校正的阈值是以最坏情况错误率（通过钻石范数定义）表示的，这可能与平均错误率相差几个数量级。解决这种差异的一种方法是使用随机编译 (RC) 等技术对量子门的物理实现进行随机化。在这项工作中，我们使用门集断层扫描对一组双量子位逻辑门进行精确表征，以研究超导量子处理器上的 RC。我们发现，在 RC 下，门错误可以通过随机泡利噪声模型准确描述，而没有相干误差，并且空间相关的相干误差和非马尔可夫误差受到强烈抑制。我们进一步表明，对于随机编译的门，平均错误率和最坏情况错误率相等，并且测量到我们的门集的最大最坏情况误差为 0.0197(3)。我们的结果表明，当且仅当门是通过调整噪声的随机化方法实现的，随机化基准是验证量子处理器的错误率是否低于容错阈值以及限制近期算法的失败率的可行途径。
实现空间监测局部二氧化碳排放
摘要：《联合国气候变化框架公约》要求世界各国报告其二氧化碳 (CO 2 ) 排放量。对这些报告的排放量进行独立核查是推进《巴黎协定》中商定的排放核算和减排措施的基石。在本文中，我们介绍了一种紧凑型星载成像光谱仪的概念和首次性能评估，其空间分辨率为 50 × 50 平方米，可为全球二氧化碳排放的“监测、核查和报告”（MVR）做出贡献。中型发电厂（1-10 MtCO 2 yr −1）的二氧化碳排放量占全球二氧化碳排放预算的很大一部分，目前其他星载任务尚未针对这些排放量。在本文中，我们表明，所提出的仪器概念能够解决来自此类局部源的排放羽流，这是获得相应的二氧化碳通量估算的第一步。通过辐射传输模拟，包括真实的仪器噪声模型和涵盖各种地球物理情景的全球试验集合，结果表明，在反演柱平均干空气 CO 2 摩尔分数 (XCO 2 ) 时，仪器噪声误差可以达到 1.1 ppm (1 σ)。尽管来自单个光谱窗口的信息量有限，光谱分辨率相对较粗，但大气气溶胶和卷云的散射可以在 XCO 2 反演中得到部分解释，偏差
![arXiv:2405.07592v4 [quant-ph] 2024 年 7 月 19 日](/simg/g:\will\search\icon\source\d\d4655fd5f3f04fdd9e47ca0b0b728f7836f4a618.webp)
arXiv:2405.07592v4 [quant-ph] 2024 年 7 月 19 日
对抗噪声对于 NISQ 设备展示实际量子应用至关重要。在这项工作中，我们基于密度矩阵的矢量化给出了一种新的量子误差缓解范式。与试图从嘈杂的量子态中提取无噪声信息的现有量子误差缓解方法的思路不同，我们的提议直接改变了信息编码的方式，将嘈杂量子态的密度矩阵映射到无噪声的纯态，这是通过一种新颖的、NISQ 友好的测量协议和经典的后处理程序实现的。我们的协议不需要了解噪声模型，不需要调整噪声强度的能力，也不需要复杂受控单元的辅助量子位。在我们的编码下，NISQ 设备始终准备纯量子态，这是变分量子算法在许多任务中具有良好性能所高度期望的资源。我们展示了如何将该协议很好地融入变分量子算法中。我们给出了几个适合我们提议的具体假设构造，并对采样复杂性、可表达性和可训练性进行了理论分析。我们还讨论了该协议如何受到大噪声的影响以及如何将其与其他量子误差缓解协议很好地结合起来。各种数值实验证明了我们提出的协议的有效性。
评估喷气噪声噼啪声的感知度
噼啪声是噪声的一种感知方面，由脉冲声冲击引起，可在超音速喷气式飞机（包括军用飞机和火箭）的噪声中观察到。总体和长期频谱噪声指标不能解释对噼啪声的独特感知。听力测试旨在更好地了解对噼啪声的感知，并检查其与物理噪声指标的关系，例如压力波形的一阶导数的偏度，以下称为导数偏度。假设随着导数偏度的增加，对噼啪声的感知趋于增加。对 31 名受试者进行了两次听力测试，以检查他们对噼啪声的感知。在第一次测试中，受试者比较并排序了含有噼啪声的声音。在第二个测试中，采用类别缩放，受试者使用类别标签对噼啪声内容进行评级：1) 无噼啪声的平滑噪声，2) 无噼啪声的粗糙噪声，3) 零星或间歇性噼啪声，4) 连续噼啪声，5) 强烈噼啪声。顺序和评级测试均证实，噼啪声感知与导数偏度之间存在高度相关性。这些见解将有助于为社区噪声模型提供信息，使它们能够纳入喷气噼啪声造成的烦恼。
碱性量子计算中碱性量子计算的删除转换rydberg原子阵列
在错误校正后的逻辑Qubits上执行量子算法是可扩展量子计算的关键步骤，但是对于当前的实验硬件，Qubits和物理错误率的必要数量和物理错误率要求。最近，针对特定物理噪声模型量身定制的错误纠正代码的开发有助于放松这些要求。在这项工作中，我们为171 yb中性原子量子A的量子编码和栅极协议提出了将主要物理误差转换为擦除，即已知位置的错误。关键思想是在亚稳态的电子水平上编码Qubits，以便门错误主要导致向不相交子空间的过渡，这些子空间可以通过荧光连续监测其种群。我们认为，98％的错误可以转换为擦除。我们通过表面代码的电路级模拟量化了这种方法的好处，从而发现阈值从0.937％增加到4.15％。我们还观察到阈值附近的较大代码距离，从而使相同数量的物理量子位的逻辑错误率更快降低，这对于近期实现非常重要。擦除转换应有益于任何错误纠正代码，并且还可以应用于在其他Qubit平台中设计新的门和编码。
学习在实际环境中有效，精确地导航
在陆地机器人自主导航的背景下，创建用于代理动力学和感官的现实模型是机器人文献和商业应用中的广泛习惯，在该习惯中，它们用于基于模型的控制和/或用于本地化和映射。另一方面，较新的AI文献是在模拟器或Ai-thor的模拟器或端到端代理上进行训练的，在这种模拟器中，重点放在照相现实渲染和场景多样性上，但是高效率机器人动作具有较少的特权角色。所得的SIM2REAL差距显着影响训练有素的模型转移到真正的机器人平台。在这项工作中，我们探讨了在设置中对代理的端到端培训，从而最大程度地减少了Sim2real Gap，在感应和驱动中。我们的代理直接预测（离散的）速度命令，这些命令是通过真实机器人中的闭环控制维护的。在修改的栖息地模拟器中鉴定并模拟了真实机器人的行为（包括底盘的低级控制器）。探视和定位的噪声模型进一步促进了降低SIM2REAL间隙。我们在实际导航方案上评估，探索不同的本地化和点目标计算方法，并报告与先前的工作相比的性能和鲁棒性的显着增长。
用于表征电路中段测量的广义周期基准测试算法
电路中间测量 (MCM) 是容错量子计算发展中的关键因素。虽然在实现 MCM 方面取得了快速的实验进展，但表征噪声 MCM 的系统方法仍在探索中。在这项工作中，我们开发了一种循环基准 (CB) 型算法来表征噪声 MCM。关键思想是对经典和量子寄存器进行联合傅里叶变换，然后估计傅里叶空间中的参数，类似于 CB 型算法中用于表征 Clifford 门的 Pauli 噪声通道的 Pauli 保真度。此外，我们开发了一种 MCM 噪声可学习性的理论，该理论确定了哪些信息可以学习噪声模型（在存在状态准备和终止测量噪声的情况下）以及哪些信息不能学习，这表明所有可学习的信息都可以使用我们的算法来学习。作为一种应用，我们展示了如何使用学习到的信息来测试 MCM 中测量噪声和状态准备噪声之间的独立性。最后，我们进行数值模拟来说明该算法的实际适用性。与其他 CB 型算法类似，我们希望该算法能够提供一个具有实验意义的有用工具包。
具有噪声门的最佳量子态断层扫描
量子态断层扫描 (QST) 是量子处理器特性描述、验证和确认 (QCVV) 的重要工具。仅在少数理想化场景中，QST 的最优测量集才有解析结果。例如，在非退化测量设置中，QST 的最优最小测量算子集具有相互无偏的特征基。但是，在其他设置中，根据投影算子的秩和量子系统的大小，需要对高效 QST 的最优测量选择进行数值近似。我们通过引入定制高效 QST 框架来概括这个问题。在这里，我们扩展定制 QST，并在测量过程中应用的一些量子门有噪声的情况下寻找 QST 的最优测量集。为了实现这一点，我们使用了两种不同的噪声模型：首先是去极化通道，其次是单量子比特和双量子比特门的过度旋转和不足旋转（有关更多信息，请参阅方法）。通过将我们优化的 QST 测量集的重建保真度与仅使用乘积基的最先进的方案进行比较，我们证明了在实际噪声水平下使用纠缠门对两个量子比特的有效 QST 测量方案的好处。
错误校正的Hadamard门在电路级别模拟
我们在电路级噪声模型下模拟了表面代码中的逻辑Hadamard门，将其汇总到方格连接硬件上的物理电路中。我们的论文是第一个在量子错误校正代码上使用逻辑统一门这样做的。我们通过斑块变形考虑两个建议：一个应用横向hadamard门的提案（即整个域壁贯穿了时间），以互换逻辑X和Z字符串，另一个将域壁应用于空间以实现此互换的情况。我们详细解释了为什么他们通过跟踪稳定器和逻辑运算符在每个Quantum误差校正回合中如何转换稳定器和逻辑运算符来执行逻辑Hadamard门。我们优化了物理电路并评估它们的逻辑故障概率，我们发现与相同数量的量子误差校正回合的量子记忆实验相当。我们提出了综合征 - 萃取电路，在电路级别噪声下与现象学噪声保持相同的效率距离。我们还解释了如何将交换-Quantum-error-or校正回合（要求将贴片返回其初始位置），只能将其编译为仅四个两倍的栅极层。这可以应用于更一般的方案，作为副产品，它可以从第一原则中解释如何如何构建Google Paper [1]的“步进”电路。