XiaoMi-AI文件搜索系统
World File Search System机上的
通过物理量的演化估计量子计算机上的能级
计算汉密尔顿量的能谱是量子力学中的一个重要问题。量子计算机的最新发展使人们认识到它们是解决这一问题的有力工具。量子相位估计 (QPE) 算法是确定汉密尔顿量特征值的算法之一 [1, 2, 3, 4, 5, 6]。该算法最初由 Kitaev、Lloyd 和 Abrams [1, 2, 3] 提出。该算法基于寻找特征值 λ = e iφ 或幺正算子的相位 φ。当幺正算子是量子系统演化的算子时，相位 φ 与汉密尔顿量的特征值相关。关于这个问题的简短综述可以在 [7] 中找到。在 [8] 中，提出了一种基于稳健相位估计算法估计跃迁能量的方法。此外，还已知可以检查能级的混合经典量子算法。其中包括量子近似优化算法（它识别出基态能量并用于解决优化问题 [9, 10, 11, 12]），变分量子特征值求解器（它识别出获得跃迁能量 [13, 14, 15, 16]）。在 [17] 中，作者提出了一种有效的方法，用于根据演化算子期望值的时间依赖性来估计汉密尔顿函数的特征值。最初这个想法是在 [18] 中提出的。在 [19] 中，变分量子特征值求解器采用了量子比特有效的电路架构，并介绍了在量子计算机上研究量子多体系统基态特性的量子比特有效方案。在 [20] 中，描述了量子算法（量子 Lanczos，最小纠缠典型热态的量子类似物，最小纠缠典型热态的量子类似物），这些算法使得在量子计算机上检测基态、激发态和热态成为可能。在本文中，我们表明，研究物理量平均值的时间依赖性可以提取量子系统的跃迁能量。在物理量的算符与
理解并补偿 IBM 量子计算机上的噪声
量子算法为传统方法解决起来成本高昂的计算问题提供了有效的解决方案。现在，可以使用公共量子计算机（例如 IBM 提供的量子计算机）来运行执行量子算法的小型量子电路。但是，这些量子计算机极易受到噪声的影响。在这里，我们介绍了量子电路噪声和连通性的重要概念，必须解决这些概念才能在量子计算机上获得可靠的结果。我们利用几个例子来展示噪声如何随电路深度而变化。我们介绍了 Simon 算法（一种用于解决同名计算问题的量子算法），解释了如何在 IBM 的 Qiskit 平台上实现它，并比较了在无噪声模拟器和受噪声影响的物理硬件上运行它的结果。我们讨论了 Qiskit 的转译器的影响，该转译器将理想的量子电路适配到量子比特之间连通性有限的物理硬件上。我们表明，即使是只有几个量子比特的电路，其成功率也会因量子噪声而显著降低，除非采取特定措施将其影响降至最低。 # 2021 由美国物理教师协会独家授权出版。https://doi.org/10.1119/10.0006204
懒惰：使用智能手机上的安全元素
隐私增强技术不仅必须在传播中保护敏感的数据，而且还必须在本地限制。例如，匿名网络隐藏了网络对手的消息的发送者和/或收件人。但是，如果实际捕获了参与设备，则可以向其所有者施加压力以访问存储的对话。因此，客户端软件应允许用户合理地否认存在有意义的数据。由于可以在未经同意和基于服务器的身份验证泄漏元数据的情况下收集生物识别技术，因此实现通常依赖于令人难忘的通行单词进行本地身份验证。传统的基于密码的密钥拉伸缺乏严格的时间保证，因为攻击者的平行密码猜测便利。本文引入了懒惰，这是一种关键拉伸方法，利用现代智能手机中常见的安全元素（SE），以对密码猜测提供严格的速率限制。虽然这将很简单，但可以完全访问SE，但Android和iOS仅提供非常有限的API。懒惰利用现有的开发人员SE API和新颖的加密结构来建立有效的速率限制，以对最近的Android和iOS设备进行密码猜测。我们的方法还可以确保在短，随机生成的，六个字符的alpha数字密码中针对具有几乎无限计算资源的对手。我们的解决方案与大约96％的iPhone兼容，而45％的Android手机和懒惰无缝集成而没有设备或操作系统修改，从而使其立即由App Developers立即使用。我们正式定义了懒惰的安全性并评估其在各种设备上的性能。最后，我们提出了Hiddensloth，这是一种利用懒惰的可能性的加密方案。它为对手提供了多次击打的阻力，这些对手可以多次掩盖其磁盘含量。
神经形态计算机上的稀疏二进制矩阵向量乘法
摘要 — 神经形态计算机提供了低功耗、高效计算的机会。虽然它们主要应用于神经网络任务，但也有机会利用神经形态计算机的固有特性（低功耗、大规模并行、共置处理和内存）来执行非神经网络任务。在这里，我们演示了一种在神经形态计算机上执行稀疏二进制矩阵向量乘法的方法。我们描述了这种方法，它依赖于二进制矩阵向量乘法和广度优先搜索之间的联系，并介绍了以神经形态方式执行此计算的算法。我们在模拟中验证了该方法。最后，我们讨论了该算法的运行时间，并讨论了未来神经形态计算机在执行此计算时可能具有计算优势的地方。索引术语 — 神经形态计算、图算法、矩阵向量乘法、脉冲神经网络
Zebra 智能手机上的 Epic Rover 常见问题解答
1. 为排除条形码问题，请使用您的 Epic 密码登录。2. 如果您的密码有效，请退出 Epic。3. 在登录屏幕上，您的用户名应位于用户 ID 字段中。4. 在此处扫描您的徽章代替密码。5. 如果没有任何反应，请确保您的徽章可读且未褪色。如果徽章褪色，您可能需要获取新的徽章。6. 提醒：承包商将无法扫描条形码，必须输入其完整密码
在小量子计算机上的地球观测图像的组装
1 Fondazione Policlinico Universitorio Campus Bio-Medico，经Alvaro del Portillo，200，意大利罗马00128； g.longo@policlinicocampus.it（U.G.L.）; albertolalli30@gmail.com（A.L.）; benedettabandini.000@gmail.com（B.B.）2校园和创伤外科研究部门，医学与外科系，校园Bio-Medico di Roma，经Alvaro del Portillo，21，00128，00128，ROMA，ROMA，ITALY 3胃肠病学，内窥镜检查，IRCCS Humanitas Research Hospital，IRCCS Humanitas Research Hospital，20089 Rozzano，20089年Rozzano，Italy italy，Italy; roberto.desire@libero.it 4胃肠病学部门，临床医学与外科系，那不勒斯大学费德里科二世，意大利80126那不勒斯5号临床实验室科学科学单位，罗马，00128，罗马，00128罗马，00128； s.angeletti@unicampus.it 6骨科部，里昂北大学医院，h'how pital de la croix rousse，Hospices Civils de Lyon，103 Grande Rue de la Croix Rousse，69004，法国里昂69004； sebastien.lustig@gmail.com 7医学和外科科学系，Catanzaro大学“ Magna Graecia”，意大利Catanzaro 88100； ammendolia@unicz.it 8肌肉骨骼健康研究中心，Musculoskeletalhealth@UMG，UMG，Catanzaro University of Catanzaro“ Magna Graecia”，88100年，意大利Catanzaro，意大利9号，993333 Leiden，Nerlands，2333 Leiden; n.c.budhiparama@gmail.com *通信：alessandro.desire@unicz.it2校园和创伤外科研究部门，医学与外科系，校园Bio-Medico di Roma，经Alvaro del Portillo，21，00128，00128，ROMA，ROMA，ITALY 3胃肠病学，内窥镜检查，IRCCS Humanitas Research Hospital，IRCCS Humanitas Research Hospital，20089 Rozzano，20089年Rozzano，Italy italy，Italy; roberto.desire@libero.it 4胃肠病学部门，临床医学与外科系，那不勒斯大学费德里科二世，意大利80126那不勒斯5号临床实验室科学科学单位，罗马，00128，罗马，00128罗马，00128； s.angeletti@unicampus.it 6骨科部，里昂北大学医院，h'how pital de la croix rousse，Hospices Civils de Lyon，103 Grande Rue de la Croix Rousse，69004，法国里昂69004； sebastien.lustig@gmail.com 7医学和外科科学系，Catanzaro大学“ Magna Graecia”，意大利Catanzaro 88100； ammendolia@unicz.it 8肌肉骨骼健康研究中心，Musculoskeletalhealth@UMG，UMG，Catanzaro University of Catanzaro“ Magna Graecia”，88100年，意大利Catanzaro，意大利9号，993333 Leiden，Nerlands，2333 Leiden; n.c.budhiparama@gmail.com *通信：alessandro.desire@unicz.it
在小量子计算机上的地球观测图像的组装
摘要 - 卫星仪器的白天和黑夜监视地球的地面，结果，地球观测（EO）数据的大小大大增加。机器学习/深度学习（ML/DL）技术通常用于分析并处理这些大EO数据，而一种众所周知的ML技术是支持向量机（SVM）。SVM提出了二次编程问题，包括量子退火器（QA）以及基于门的量子计算机（包括量子计算机）有望比惯性计算机更有效地解决SVM；通过使用量子计算机/常规计算机来培训SVM，代表量子SVM（QSVM）/经典SVM（CSVM）应用程序。但是，量子计算机无法通过使用QSVM来解决许多实用的EO问题，因为它们的输入量很少。因此，我们组装了给定的EO数据的核心（“数据集的核心”），用于在小量子计算机上训练加权SVM。核心是原始数据集的一个小的，代表性的加权子集，与原始数据集相比，可以通过在小量子计算机上使用建议的加权SVM来分析其性能。作为实际数据，我们使用合成数据，虹膜数据，印度松树的高光谱图像（HSI）以及旧金山的偏光仪合成孔径雷达（Polsar）图像。我们通过使用Kullback-Leibler（KL）Divergence测试来测量原始数据集及其核心之间的接近性，此外，我们通过使用D-Wave量子量子退火器（D-Wave QA）和一台常规计算机在我们的核心数据上训练了加权SVM。我们的发现表明，核心具有很小的kl差异近似于原始数据集，而加权QSVM甚至在我们的一些实验实例上都超过了核心上的加权CSVM。作为一个侧面结果（或副产品结果），我们还提出了我们的KL差异发现，以证明我们的原始数据（即我们的合成数据，虹膜数据，高光谱图像和Polsar图像）和组装的壳体之间的亲密关系。
具有三个粒子的 Lipkin-Meshkov-Glick 模型的量子计算机上的方差最小化
摘要。量子计算为模拟多体核系统开辟了新的可能性。随着多体系统中粒子数量的增加，相关汉密尔顿量的空间大小呈指数增长。在使用传统计算方法对大型系统进行计算时，这带来了挑战。通过使用量子计算机，人们可能能够克服这一困难，这要归功于量子计算机的希尔伯特空间随着量子比特数的增加而呈指数增长。我们的目标是开发能够重现和预测核结构（如能级方案和能级密度）的量子计算算法。作为汉密尔顿量的示例，我们使用 Lipkin-Meshkov-Glick 模型。我们对汉密尔顿量进行了有效的编码，并将其应用到多量子比特系统上，并开发了一种算法，允许使用变分算法确定原子核的全激发光谱，该算法能够在当今量子比特数有限的量子计算机上实现。我们的算法使用哈密顿量的方差 DH 2 E −⟨ H ⟩ 2 作为广泛使用的变分量子特征值求解器 (VQE) 的成本函数。在这项工作中，我们提出了一种基于方差的方法，使用量子计算机和简化量子比特编码方法查找小核系统的激发态光谱。
量子计算机上的元启发式算法：灵感、模拟和实际执行
量子启发式元启发法是一种将量子力学原理融入使用非量子机器的经典近似算法的求解器。由于量子原理的独特性，量子现象的启发及其在根本不同的非量子系统（而不是真实或模拟的量子计算机）中的实现方式提出了有关这些算法的设计及其结果在真实或模拟的量子设备中的可重复性的重要问题。因此，这项工作的贡献是回答这些问题的第一步，它试图找出现有文献中应该考虑或调整的关键发现，以构建可用于量子机器的混合或全量子算法。这是通过提出和研究四种启发式、模拟和真实的量子细胞遗传算法来实现的，据作者所知，这些算法是使用具有 32 个量子比特的量子模拟器和采用 15 个超导量子比特的真实量子机器在三个量子领域研究的第一个量子结构元启发法。使用 13 个真实实例将蜂窝网络中的用户移动性管理作为验证问题。使用 9 个比较指标对 6 种不同的算法进行了比较。还进行了彻底的统计测试和参数敏感性分析。实验可以回答几个问题，包括量子硬件如何影响所研究算法的搜索过程。它们还为量子元启发式设计开辟了新的视角。© 2021 作者。由 Elsevier BV 出版 这是一篇根据 CC BY-NC-ND 许可开放获取的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
使用量子卷积神经网络检测乳腺癌：量子计算机上的演示
1 印度理工学院德里分校，新德里，印度 2 物理系，科学学院，Chouaib Doukkali 大学，El Jadida，摩洛哥 3 印度教育学院管理科学学院，加尔各答 700097，西孟加拉邦，印度 4 布巴内斯瓦尔国际信息技术学院，Gothapatna，布巴内斯瓦尔 751003，奥里萨邦，印度 5 贾坎德邦中央大学，Brambe，兰契，印度 6 Bikash's Quantum (OPC) Private Limited，Balindi，Mohanpur 741246，西孟加拉邦，印度 7 物理科学系，印度科学教育与研究学院加尔各答，Mohanpur 741246，西孟加拉邦，印度 8 物理科学系，印度科学教育与研究学院加尔各答，Mohanpur 741246，西孟加拉邦，印度 9 计算机科学与工程系，Maulana阿布尔卡拉姆阿扎德科技大学，加尔各答 700064，印度