XiaoMi-AI文件搜索系统
World File Search System概率分布
亚周期尺度的光学时域量子态断层扫描
鉴于最近在电光采样在检测电磁场基态和超宽带压缩态的亚周期尺度量子涨落方面的实验应用方面取得的进展，我们提出了一种方法，将宽带电光采样从光谱方法提升为全量子断层扫描方案，能够在时间域中直接重建自由空间量子态。通过结合两种最近开发的方法来从理论上描述量子电光采样，我们以分析的方式将电光信号的光子计数概率分布与采样量子态的变换相空间准概率分布联系起来，该分布是采样中红外脉冲态和超宽带近红外探测脉冲之间时间延迟的函数。我们对噪声源进行了分类和分析，并表明在使用超宽带探测脉冲的量子电光采样中，可以观察到由于纠缠破坏而引起的热化。减轻热化噪声可以实现宽带量子态的断层重建，同时允许在亚周期尺度上访问其动态。
高能物理中的双参数量子电路GAN模型
摘要。生成模型，尤其是生成对抗网络（GAN），正在作为蒙特卡洛模拟的可能替代方法。已经提出，在某些情况下，可以使用量子gan（qgans）加速使用gan的模拟。我们提出了QGAN的新设计，即双参数量子电路（PQC）GAN，该设计由一个经典的歧视器和两个采用PQC形式的量子代理组成。第一个PQC在n -pixel图像上学习了一个概率分布，而第二个PQC则为每个PQC输入生成了单个图像的归一化像素强度。为了了解HEP应用程序，我们评估了模仿热量计输出的任务的双PQC体系结构，转化为像素化图像。结果表明，该模型可以复制尺寸降低及其概率分布的固定数量的图像，我们预计它应该使我们可以扩展到实际热量计输出。
人工智能和数据科学-IIT孟买
在本课程中，您将通过图和摘要措施来学习基本的统计概念，在数据分析和解释方面发展技能，理解概率，概率分布，估计，假设的测试，基础矩阵理论和回归分析。您还将获得将这些概念应用于实际应用和统计发现的经验。
美国总统竞选对德国经济的影响
注：FMT 预测者对特朗普获胜的预期概率分布（绿色）和美国民意调查结果（蓝色），来自 FiveThirtyEight。蓝色箱线图显示了根据下一个事件前一天结束的不同国家和州民意调查计算出的概率。深色菱形对应于相应的中位数。
![arXiv:2402.15550v2 [quant-ph] 2024 年 10 月 31 日](/simg/e\e4e08a0477b5631f5bdd18386c9debac74563ecc.webp)
arXiv:2402.15550v2 [quant-ph] 2024 年 10 月 31 日
成功实施量子技术需要尽可能少使用量子资源的协议和算法。然而，许多重要的量子操作，例如量子计算中的连续旋转门或 NMR 或 MRI 应用中的宽带脉冲，只能使用有限的量子资源近似实现。这项工作开发了一种方法，以略微增加测量重复率为代价，平均实现精确的实现。首先，建立一个包含大量不同近似所需门操作的库；通过根据预先优化的概率分布随机选择这些操作，平均而言，可以以严格可控的近似误差实现所需的操作。该方法依赖于凸优化中的复杂工具来有效地找到最佳概率分布。多种应用范围包括 (a) 仅使用低 T 计数电路在容错量子计算机中精确合成旋转，以及 (b) 在量子最优控制中合成性能卓越的宽带和频带选择脉冲，以及 (c) 在 NMR 或 MRI 中的进一步应用。该方法非常通用，并明确展示了量子技术的广泛实际应用。
可解释的机器学习和优化的贝叶斯网络
由于人工智能越来越多地用于高风险应用，因此可以解释使用的模型变得越来越重要。贝叶斯网络提供了基于概率理论的可靠人工智能的范式。他们提供了一种语义，该语义可以通过利用它们之间的条件独立性来实现与域变量相关的概率分布的声明性表示。该表示由有向的无环图组成，该图编码变量之间的条件独立性以及编码条件分布的一组参数。此表示为开发概率推理（推理）和从数据学习概率分布的算法提供了基础。贝叶斯网络用于机器学习中的各种任务，包括聚类，超级分类，多维监督分类，异常检测和时间修改。他们还提供了估计分布算法的基础，这是启发式优化的一类进化算法。我们通过在神经科学，行业和生物启示中介绍应用程序来说明贝叶斯网络在可解释的机器学习和优化中的使用，涵盖了广泛的机器学习和优化任务。2021由Elsevier B.V.
密度矩阵
密度矩阵在量子力学中用于给出量子系统的部分描述，其中省略了某些细节。例如，在由两个或多个子系统组成的复合量子系统中，人们可能会发现，只构造其中一个子系统的量子描述很有用，无论是在单个时间还是作为时间函数，而忽略其他子系统。或者，量子系统的确切初始状态未知，人们希望使用概率分布或预概率作为初始状态。概率分布用于经典统计力学以构造部分描述，密度矩阵在量子统计力学中起着类似的作用，这超出了本书的范围。在本章中，我们将提到密度矩阵在量子理论中的几种使用方式，并讨论它们的物理意义。正算子和密度矩阵在第 3.9 节中定义。概括地说，正算子是特征值非负的 Hermitian 算子，密度矩阵 ρ 是迹（特征值之和）为 1 的正算子。如果 R 是正算子但不是零算子，则其迹大于零，并且可以通过公式定义相应的密度矩阵
量子启发计算推动湍流模拟取得重大进展
牛津大学的研究人员与汉堡、匹兹堡和康奈尔大学的同事合作，重新定义了这个问题，完全避免了直接解决和模拟这些湍流波动的需要。他们没有直接模拟这些麻烦的波动，而是将它们建模为根据概率分布函数分布的随机变量。模拟这样的概率分布使他们能够从流动中提取所有有意义的量（例如升力和阻力），而不必担心湍流波动的混乱。
多项式混乱扩展和机器学习
PCE的主要特征是正交多项式家族与输入特征的统计数据之间有很强的联系。这种连接的好处是双重的。首先，如果选择正交多项式与输入数据的概率分布一致，则可以提高PCE响应表面的质量。其次，基于PCE的响应表面的利用简化了灵敏度分析和不确定性定量，因为可以在没有蒙特卡罗模拟的情况下分析地计算多种灵敏度指标。
不同能源情景下现有与未来乘用车生命周期环境与成本比较
在本分析中，我们比较了目前（2017 年）和未来（2040 年）具有不同动力系统配置的乘用车的生命周期环境负担和总拥有成本 (TCO)。对于所有车辆配置，我们为所有性能参数定义了概率分布。利用这些概率分布，我们执行基于蒙特卡罗的全局敏感性分析，以确定对结果整体变异性贡献最大的输入参数。为了捕捉能源转型的系统性影响，未来电力情景被深度整合到 ecoinvent 生命周期评估背景数据库中。通过这种整合，我们不仅可以捕捉到未来电动汽车的充电方式，还可以捕捉到未来汽车和电池的生产方式。如果电力的生命周期碳含量与现代天然气联合循环发电厂相似或更好，那么从气候角度来看，全动力系统电气化是有意义的，并且在许多情况下还可以降低 TCO。一般来说，电池较小、使用寿命较长的车辆具有最佳的成本和气候性能。如果需要非常大的行驶里程或没有清洁电力，混合动力汽车和压缩天然气汽车在成本和气候变化影响方面都是不错的选择。含有大电池或燃料电池的替代动力系统对未来电力系统的变化最为敏感，因为它们的生命周期更耗电。这些替代能源的好处