XiaoMi-AI文件搜索系统
World File Search System机上的
真实超导和基于囚禁离子的量子计算机上的量子图像处理
摘要：近几年来，我们每天处理的图像的大小和数量以及数据量都在迅速增长。量子计算机有望更有效地处理这些数据，因为经典图像可以存储在量子态中。量子计算机模拟器上的实验证明了这一承诺所基于的范式是正确的。然而，目前，在真正的量子计算机上运行完全相同的算法往往容易出错，无法有任何实际用途。我们探索了在真正的量子计算机上进行图像处理的当前可能性。我们重新设计了一种常用的量子图像编码技术，以降低其对错误的敏感性。我们通过实验表明，目前在量子计算机上编码并随后以最多 5% 的误差检索的图像的大小限制为 2×2 像素。一种绕过这一限制的方法是将经典过滤的思想与仅在本地运行的量子算法相结合。我们使用边缘检测的应用示例展示了这种策略的实用性。我们的混合过滤方案的量子部分是一个人工神经元，在真实的量子计算机上也能很好地运行。
结果报告安装在无人机上的 SAR 重复通过干涉测量...
无人机SAR，由2）成像算法+干扰算法、3）无人机、4）无人机控制算法、5）单双观测实验、6）数据分析工作组成。尽管这项研究非常新颖，但挑战在于如何继续该项目，而SAR的设计、可视化软件的开发以及数据分析都是由东京电机大学开发的主要研究机构进行的。无人机及其控制规则，由拥有实验场地（北海道大树町）的联合研究员JAXA承担了实验操作的责任。 SAR 根据东京电机大学的设计进行了这项实验，外包给供应商，并有偿借出制造的设备。
绝热量子计算机上的平衡 k 均值聚类
摘要 绝热量子计算机是一个有前途的平台，可以有效解决具有挑战性的优化问题。因此，许多人对使用这些计算机来训练计算成本高昂的机器学习模型感兴趣。我们提出了一种量子方法来解决 D-Wave 2000Q 绝热量子计算机上的平衡 k 均值聚类训练问题。为了做到这一点，我们将训练问题表述为二次无约束二元优化 (QUBO) 问题。与现有的经典算法不同，我们的 QUBO 公式针对平衡 k 均值模型的全局解。我们在许多小问题上测试了我们的方法，并观察到尽管 QUBO 公式具有理论上的优势，但现代量子计算机获得的聚类解决方案通常不如最佳经典聚类算法获得的解决方案。尽管如此，量子计算机提供的解决方案确实表现出一些有希望的特性。我们还进行了可扩展性研究，以估计使用未来量子硬件在大型问题上我们的方法的运行时间。作为概念的最终证明，我们使用量子方法对 Iris 基准数据集的随机子集进行聚类。
量子电路模拟器及其在Sunway Taihulight超级计算机上的应用
量子计算的经典模拟对于验证量子设备和评估量子算法至关重要。我们提出了在Sunway Taihulight超级计算机上开发的新量子电路模拟器。与其他模拟器相比，本文以两个方面进行区分。首先，我们的模拟器更加通用。模拟器由三个相互独立的部分组成，以使用不同方法计算量子状态的完整，部分和单个幅度。它具有模拟噪声效果并支持更多类型的量子操作的功能。第二，我们的模拟器具有很高的效率。模拟器以两级平行结构进行设计，该结构可在分布式的多核Sunway Taihulight Supercupter上有效实现。随机量子电路可以分别在完整，部分和单个振幅上分别使用40、75和200个QUAT模拟。作为模拟器的说明性应用，我们提出了一个量子快速泊松求解器和用于评估先验函数的量子算法的算法。我们的模拟器有望在各个领域开发量子算法中具有更广泛的应用。
基于实际超导和基于离子离子的量子计算机上的量子图像处理
摘要：在过去几年中，我们每天处理的图像的大小和数量以及我们每天处理的数据量迅速增长。量子计算机承诺将更有效地处理该数据，因为经典图像可以存储在Quantum状态中。量子计算机模拟器上的实验证明了这种诺言是正确的。当前，在真实量子计算机上运行相同的算法通常太容易出错，无法使用任何实际用途。我们探讨了实际量子计算机上图像处理的当前可能性。我们重新设计了一种常用的量子图像编码技术，以降低其对错误的敏感性。我们通过实验表明，要在量子计算机上编码的图像的当前尺寸限制，随后以5％的误差为2×2像素。避免这种限制的一种方法是将经典过滤的想法与仅在本地运行的量子算法相结合。我们使用边缘检测的应用示例来显示此策略的实用性。我们的混合过滤方案的量子部分是人工神经元，在实际量子计算机上也很好地工作。
量子比特上的图形：演示量子计算机上的三种图形算法
用于数据库和数据管理的量子计算是一个新兴的研究领域，近年来取得了长足的发展 [35,46]。该领域旨在满足对更复杂的优化方法的需求，这些方法至关重要，因为数据量和复杂性继续以越来越快的速度增长。该领域的主要愿景是未来数据库的优化可能部分在量子计算机上进行。之前的大部分研究集中于利用各种二次无约束二元优化公式来优化关系数据库 [4、11、15、17、25、33、34、36、37、44、45、49、53]。第二种最常见的量子计算方法是用量子机器学习来解决数据库问题 [18、19、47、51、52]。尽管关系数据库中的许多优化问题从根本上来说都是图问题（例如，连接顺序选择），但该领域中图算法的全部功能尚未得到充分研究。为了对量子计算中现有的图算法进行更系统的研究和基准测试，
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 国际信息技术学院布巴内斯瓦尔，Gothapatna，布巴内斯瓦尔 751003，奥里萨邦，印度 2 印度理工学院德里分校，新德里，印度 3 贾坎德邦中央大学，布兰贝，兰契，印度 4 物理系，科学学院，Chouaib Doukkali 大学，El Jadida，摩洛哥 5 印度教育学院管理科学学院，加尔各答 700097，西孟加拉邦，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
量子计算机上的对称性破坏/对称性保持电路和对称性恢复
摘要 我们在此讨论在量子计算机上处理量子多体问题时与其对称性相关的一些方面。回顾了与对称性守恒、对称性破缺和可能的对称性恢复有关的几个特点。在简要讨论了一些与多粒子系统相关的标准对称性之后，我们讨论了在量子分析中直接编码某些对称性的优势，特别是为了减少量子寄存器大小。然而众所周知，当自发对称性破缺发生时，使用对称性破缺状态也可以成为一种独特的方式来纳入特定的内部相关性。这些方面是在量子计算的背景下讨论的。然而，只有当最初破缺的对称性得到适当恢复时，才能精确描述量子系统。介绍了几种在量子计算机上执行对称性恢复的方法，例如，通过 Grover 算法净化状态、结合使用 Hadamard 测试和 oracle 概念、通过量子相位估计和一组迭代独立的 Hadamard 测试进行对称性过滤。
通过 IBM 量子计算机上的通勤泡利弦进行量子程序测试
量子计算最有前途的应用集中在解决搜索和优化任务上，特别是在物理模拟、量子化学和金融等领域。然而，目前的量子软件测试方法在工业环境中应用时面临实际限制：（i）它们不适用于与行业最相关的量子程序，（ii）它们需要完整的程序规范，而这些程序通常无法获得，（iii）它们与 IBM 等主要行业参与者目前采用的错误缓解方法不兼容。为了应对这些挑战，我们提出了一种新颖的量子软件测试方法 QOPS。QOPS 引入了一种基于 Pauli 字符串的测试用例的新定义，以提高与不同量子程序的兼容性。QOPS 还引入了一种新的测试 oracle，它可以直接与 IBM 的 Estimator API 等工业 API 集成，并可以利用错误缓解方法在真实的噪声量子计算机上进行测试。我们还利用泡利弦的交换特性放宽了对完整程序规范的要求，使 QOPS 可用于在工业环境中测试复杂的量子程序。我们对 194,982 个真实量子程序进行了 QOPS 实证评估，与最先进的程序相比，它在测试评估中表现出色，F1 分数、准确率和召回率都堪称完美。此外，我们通过评估 QOPS 在 IBM 的三台真实量子计算机上的性能来验证其工业适用性，结合了工业和开源错误缓解方法。
量子Jidoka。在CNC计算机上的量子模拟集成，以进行操作控制可视化
摘要：随着行业的出现4.0范式，通过连接到工作中心的传感器网络提供的信息来控制制造过程的可能性已扩大。对每个参数的实时监视使确定相应传感器产生的值是否在其正常工作范围内。在众多参数的相互作用中，确定性分析很快变得棘手，并且进入了“不确定知识”的领域。贝叶斯决策网络是控制此类系统中条件概率的影响的公认工具。但是，确定制造过程是否超出范围，需要为决策网络的计算时间显着，从而延迟了故障警报的触发。从其起源中，吉多卡被视为提供机制，以在过程的任何步骤中促进故障的实时识别，以便可以停止生产线，这是识别分辨率的破坏原因，最终是有缺陷的零件数量的。我们的假设是，我们可以使用量子模拟对计算机数值控制（CNC）计算机的内部传感器网络进行建模，这些量子模拟比基于决策网络的经典模型显示出更好的性能。我们通过实施一个允许整合量子计算和行业4.0的量子数字双胞胎来成功地检验了我们的假设。此量子数字双胞胎模拟机器中的复杂传感器网络，并由于其高计算性能而允许在制造过程中实时应用Jidoka。