XiaoMi-AI文件搜索系统
World File Search System基态
量子芯片上的虚时间传播
虚时间演化是寻找量子多体系统基态的重要技术，也是在量子化学、凝聚态和核物理中得到广泛应用的多种数值方法的核心。我们提出了一种在量子计算机上实现虚时间传播的算法。我们的算法是在将算法高效编码到优化门的背景下设计的，利用量子设备的基本特性，在扩展的希尔伯特空间中进行幺正运算。然而，我们证明，对于简单的问题，它也可以成功地应用于标准数字量子机。这项工作为将基于虚时间传播的量子多体方法移植到近期的量子设备奠定了基础，使未来能够对一大类微观系统的基态进行量子模拟。
通过量子数据总线进行变分量子态准备
我们提出了一种变分量子算法来制备一维格子量子哈密顿量的基态，该算法专门为可编程量子设备量身定制，其中量子位之间的相互作用由量子数据总线 (QDB) 介导。对于具有轴向质心 (COM) 振动模式作为单个 QDB 的捕获离子，我们的方案使用共振边带光脉冲作为资源操作，这可能比非共振耦合更快，因此不易退相干。状态准备结束时 QDB 与量子位的分离是变分优化的副产品。我们用数值模拟了离子中 Su-Schrieffer-Heeger 模型的基态制备，并表明我们的策略是可扩展的，同时能够容忍 COM 模式的有限温度。
边缘量子神经网络模型的量子相位检测概括
引言：量子机器学习 (QML) [1] 使用参数化量子电路 [2] 作为统计模型，近年来引起了广泛关注，并被应用于自然科学 [3-8] 或生成建模 [9-13]。即使 QML 模型具有高表达能力 [14] 且在某些特定情况下表现出优于经典模型 [15,16]，但在深度神经网络时代，量子计算机 [17] 能获得什么样的优势仍不清楚。另一方面，量子数据可能是应用 QML 的自然范例，量子优势已得到证实 [18]。人们希望可以通过量子传感器 [19] 收集量子数据，并最终直接连接到量子计算机。在本文中，我们模拟了通过在量子设备上直接构建量子数据来处理量子数据的可能性。我们使用变分基态求解器来获得真实基态的近似值，以模拟嘈杂的真实世界数据。具体而言，本信函讨论了使用监督学习方法计算哈密顿量 H 的基态相图。即使已经针对二元情况 [ 20 , 21 ] 探索了类似的问题，具有多个类别 [ 22 ] 并在超导平台上进行了计算 [ 23 ]，所有这些方法都受到构造限制，即瓶颈。事实上，由于训练需要标签，并且因为它们是通过分析或数值计算的，这些技术只能加快
边缘量子神经网络模型的量子相位检测概括
引言：量子机器学习 (QML) [1] 使用参数化量子电路 [2] 作为统计模型，近年来引起了广泛关注，并被应用于自然科学 [3-8] 或生成建模 [9-13]。即使 QML 模型具有高表达能力 [14] 且在某些特定情况下表现出优于经典模型 [15,16]，但在深度神经网络时代，量子计算机 [17] 能获得什么样的优势仍不清楚。另一方面，量子数据可能是应用 QML 的自然范例，量子优势已得到证实 [18]。人们希望可以通过量子传感器 [19] 收集量子数据，并最终直接连接到量子计算机。在本文中，我们模拟了通过在量子设备上直接构建量子数据来处理量子数据的可能性。我们使用变分基态求解器来获得真实基态的近似值，以模拟嘈杂的真实世界数据。具体而言，本信函讨论了使用监督学习方法计算哈密顿量 H 的基态相图。即使已经针对二元情况 [ 20 , 21 ] 探索了类似的问题，具有多个类别 [ 22 ] 并在超导平台上进行了计算 [ 23 ]，所有这些方法都受到构造限制，即瓶颈。事实上，由于训练需要标签，并且因为它们是通过分析或数值计算的，这些技术只能加快
通过有序幺正对 Li6 核进行量子计算……
变分量子本征值求解器 (VQE) 是一种计算量子多体系统基态和激发态能量的算法。该算法的一个关键组成部分和一个活跃的研究领域是参数化试验波函数的构建——即所谓的变分拟定。波函数参数化应该具有足够的表现力，即对于某些参数值的选择，能够表示量子系统的真实本征态。另一方面，它应该是可训练的，即参数的数量不应该随着系统的大小呈指数增长。在这里，我们将 VQE 应用于寻找奇奇核 6 Li 的基态和激发态能量的问题。我们研究了在酉耦合团簇拟定中对费米子激发算子进行排序对 VQE 算法收敛的影响，方法是仅使用保留 J z 量子数的算子。在降阶的情况下，精度提高了两个数量级。我们首先使用具有任意测量精度的经典状态向量模拟器计算最佳假设参数值，然后使用这些值评估 IBM 超导量子芯片上 6 Li 的能量本征态。我们使用误差缓解技术对结果进行后处理，并能够重现精确的能量，对于 6 Li 的基态和第一激发态，误差分别为 3.8% 和 0.1%。
https://eprints.gla.ac.uk/218975/
摘要：我们基于现场可编程门阵列 (FPGA) 平台开发了一种用于超导量子比特 (qubits) 实验的多功能集成控制和读出仪器。利用该平台，我们执行基于测量的闭环反馈操作，平台延迟为 428 纳秒。反馈能力有助于在比其能量弛豫时间 T 1 短得多的时间内将量子比特主动复位初始化到基态。我们展示了实验结果，证明使用大约 1.5 µs 长的读出和驱动脉冲序列，以 99.4% 的保真度复位了锇量子比特。与通过热化进行被动基态初始化（时间常数为 T 1 = 80 µs）相比，使用基于 FPGA 的平台使我们能够将量子比特初始化的保真度和时间提高一个数量级。
Bayliss , SL , Laorenza , DW , Mintun , PJ , Kovos , BD , Freedman , DE 和 Awschalom , DD (2020) 光寻址分子自旋用于 q
自旋分子是量子技术很有前途的构建模块，因为它们可以进行化学调节，组装成可扩展的阵列，并可轻松整合到各种设备架构中。在分子系统中，光学寻址基态自旋将使量子信息科学得到广泛应用，正如固态缺陷所证明的那样。然而，这一重要功能对于分子来说仍然难以实现。在这里，我们在一系列合成的有机金属铬 (IV) 分子中展示了这种光学寻址能力。这些化合物显示出基态自旋，可以用光初始化和读出，并用微波进行相干操控。此外，通过对分子结构的原子修饰，我们可以调整这些化合物的自旋和光学特性，为自下而上合成设计量子系统铺平了道路。
量子自旋系统简介
1. 简介 3 2. 量子自旋系统 3 2.1. 自旋和量子数 3 2.2. 可观测量 4 2.3. 状态 4 2.4. 狄拉克符号 5 2.5. 有限量子自旋系统 7 3. 附录：C ∗ -代数 13 3.1. C ∗ -代数 13 3.2. C ∗ -代数中的谱理论 14 3.3. 正元素 16 3.4. 表示 17 3.5. 状态 18 4. 有限和无限量子自旋系统的一般框架 21 4.1. 有限系统的动力学 21 4.2. 无限系统 24 5. Lieb-Robinson 界限 25 5.1.动力学的存在 30 6. 基态和平衡态 32 6.1. 基态 32 6.2. 热平衡、自由能和吉布斯态的变分原理 33 6.3. Kubo-Martin-Schwinger 条件 35 6.4. 能量-熵平衡不等式 36 7. 无限系统和 GNS 表示 40 7.1. GNS 构造 40 7.2. 无限系统的基态和平衡态 43 8. 对称性、激发谱和相关性 45 8.1. Goldstone 定理 46 8.2. 指数聚类定理 51 9. 附录：李群和李代数 56 9.1.李群和李代数的表示 57 9.2. SU(2) 的不可约表示 60 9.3. 表示的张量积 62 10. 四个例子 64 10.1. 例 1：各向同性的海森堡模型 64 10.2. 例 2：XXZ 模型 66 10.3. 例 3：AKLT 模型 66 10.4. 例 4：Toric Code 模型 67 11. 无失稳模型 68 11.1. AKLT 链 69 11.2. 具有唯一矩阵积基态的无失稳自旋链 77 11.3. 平移不变矩阵积态的一些性质 78 11.4. 交换性质。 82
