XiaoMi-AI文件搜索系统
World File Search System求解
量子 QAP 求解器
图上的组合优化 (CO) 是一个关键但具有挑战性的研究课题。最近的量子算法为解决 CO 问题提供了新的视角，并有可能展示出量子优势。量子近似优化算法 (QAOA) 是一种众所周知的由参数量子电路构建的 CO 量子启发式算法。然而，QAOA 最初是为无约束问题设计的，电路参数和解是通过耗时的迭代联合求解的。在本文中，我们提出了一种新颖的量子神经网络 (QNN)，用于以监督的方式学习 CO 问题，以获得更好、更快的结果。我们专注于具有匹配约束和节点置换不变性的二次分配问题 (QAP)。为此，设计了一种称为 QAP-QNN 的量子神经网络来将 QAP 转换为受约束的顶点分类任务。此外，我们在 TorchQauntum 模拟器上研究了两个 QAP 任务：图匹配和旅行商问题，并通过实证证明了我们方法的有效性。
用于特征选择的新型混合求解器插件...
D-WAVE 在线资源：探索高管和开发人员的资源。视频、白皮书等。https://www.dwavesys.com/learn/resource-library
探索变分量子特征值求解器的标度限制以及氢化物双原子分子的键解离
图 1 在经典计算机上使用不同的轨道基组初始化为不同自旋多重性的 LiH 和 TiH 双原子分子的预测 CCSD 键解离曲线。预测的 TiH 基态配置会根据所选的轨道基组而变化。基态配置用实心标记表示，而较高能量配置用空心标记表示。
分支机构和QUBO求解器
在两个实际应用程序中，在两个方面（例如项目和用户，项目和市场）之间的匹配是必不可少的任务。双方图匹配已被研究为模拟这两个方面之间的这种匹配的基本问题[1]。通常应用了两分匹配的加权变体，以从相关的权重和在两部分图上定义的某些全局目标函数方面找到最佳的匹配。个体权重可以代表各种指标，例如价格，距离，时间和概率。匹配的现实世界应用包括儿童与学校之间的匹配[2，3]，资源分配[4，5]和运输[6，7]。在另一类设置中，可以在某些概率语义上定义边缘的权重以表示直觉现象[8]。从与匹配有关的优化观点，尤其是在运输方面，使用模糊逻辑进行直觉现象的其他相关研究可以在库马尔[9，10]中找到。以前，已经研究了参与者（例如平台/服务提供商和个人用户）所需的几个全球属性，以进行双分部分匹配。一个例子是考虑与所陈述的偏好稳定匹配（例如，关于另一侧的项目的偏好）[11]。代表首选项的其他示例包括使用排名的元素列表来表示偏好和使用实用程序值来量化偏好（例如[12--14]）。
Lightsolver 挑战领先的深度学习求解器来解决 Max-2-SAT 问题
大量具有重大社会、经济和科学意义的现实问题都可以表示为组合优化任务。组合优化方面的进步使得运输系统、供应链、资源管理等更加高效 [1、2、3、4、5]。在本文中，我们考虑经典的最大 2-可满足性（MAX-2-SAT）问题 [6]，该问题在调度或资源分配任务中普遍存在，这只是其中的一些应用 [7]。假设给定一组 N 个二进制变量 x = (x1, x2, ..., xN) 和一组 C 个约束（或子句），每个子句有两个变量，它们形成布尔公式 F(x)。我们的目标是为每个变量 xi 分配一个二进制值，使得最大数量的子句得到满足。我们考虑的布尔公式 F(x) 采用合取范式，由子句的合取（逻辑与）组成，其中每个子句都是文字的析取（逻辑或）。例如，公式
使用协作尖峰神经网络求解二次不受约束的二进制优化
摘要 - 次数不受约束的二进制优化（QUBO）问题成为一种有吸引力且有价值的优化问题，因为它可以轻松地转换为各种其他组合优化问题，例如图形/数字分区，最大值，SAT，SAT，Vertex，Vertex，Vertex，TSP，TSP等。其中一些问题是NP-HARD，并广泛应用于行业和科学研究中。同时，已经发现Qubo与两个新兴的计算范式，神经形态计算和量子计算兼容，具有巨大的潜力，可以加快未来的优化求解器。在本文中，我们提出了一种新型的神经形态计算范式，该计算范式采用多个协作尖峰神经网络来解决QUBO问题。每个SNN进行局部随机梯度下降搜索，并定期分享全球最佳解决方案，以对Optima进行元效力搜索。我们模拟了模型，并将其与无协作的单个SNN求解器和多SNN求解器进行比较。通过对基准问题的测试，提出的方法被证明在寻找QUBO Optima方面更有效。具体来说，它在无协作和单SNN求解器的情况下分别在多SNN求解器上显示X10和X15-20加速。索引术语 - 数字计算，尖峰神经网络作品，组合优化，QUBO
基于量子计算的半导体量子限制问题求解方法
摘要——半导体器件的计算机辅助设计 (TCAD) 技术依赖于器件中微分方程的数值解。量子计算的最新进展为在量子计算机上执行 TCAD 模拟提供了新的机会。基于变分量子算法，我们开发了一种基于量子计算的方法来解决半导体纳米结构中的量子限制问题。随着求解薛定谔方程的数值离散化网格点数量的增加，所需的量子比特数量仅以对数方式增加，∼ O [ log(N) ] 。该方法适用于解决所有维度的量子限制问题，这些问题与量子阱、半导体纳米线和半导体量子点结构中的限制有关。该方法可以处理半导体纳米结构中的各向异性能带结构和静电势。我们进一步表明，假设的设计对该方法在解决精度方面的性能起着重要作用。基于量子计算的方法可以高精度地计算基态和激发态的能量和波函数。
上下文子空间变分量子特征求解器和非上下文投影假设的稳定器框架
摘要：量子化学是噪声中型量子 (NISQ) 设备的一个有前途的应用。然而，量子计算机迄今为止尚未成功解决具有真正科学意义的问题，算法的进步对于充分利用当今可用的普通 NISQ 机器来说是必不可少的。我们讨论了一种基于将分子汉密尔顿量划分为两部分的基态能量估计方法：一部分是非上下文的，可以用经典方法求解，另一部分是上下文分量，可通过变分量子特征求解器 (VQE) 程序获得量子校正。这种方法被称为上下文子空间 VQE (CS-VQE)；然而，在将其部署到 NISQ 设备上之前，还有一些障碍需要克服。我们在这里解决的问题是 ansatz，即我们在 VQE 期间对其进行优化的参数化量子态；最初并不清楚汉密尔顿量的分裂应如何反映在 CS-VQE ansa ̈ tze 中。我们提出了一种“非上下文投影”方法，该方法由稳定器形式中 CS-VQE 的重新表述所阐明。这定义了从完整电子结构问题到上下文子空间的假设限制，并促进了可在 NISQ 设备上部署的 CS-VQE 的实现。我们使用量子模拟器验证了非上下文投影假设，并展示了一组小分子的化学精确基态能量计算，同时显著减少了所需的量子比特数和电路深度。
量子迷宫求解算法的开发
量子计算是一种新的、潜在的计算方式。与当前的经典计算相比，它采用了不同的方法和机制。量子计算的潜在或最高边界仍然未知。因此，目标是开发一个量子算法机器人，使用树形图迷宫来解决迷宫问题。树形图迷宫有 2n 条可能的路径，任务是找出路径中最短的路径。量子算法使用基于比率的方法来解决迷宫。IBM 的 Qiskit 被用作库，其中开发了量子算法，通过执行由量子门构建的量子电路来解决迷宫。已经开发并测试了两种量子算法。这两种量子算法的最短路径准确率平均分别为 78% 和 84%。这两种量子算法都以相同的方法战胜了相应的经典对手。
利用人工压缩性和伪光谱方法对大气激光束传输进行数值求解
如今，掺杂稀土离子的石英光纤激光器，尤其是 Y b 3+ 光纤激光器，其平均功率已达到数千瓦量级，许多技术应用已开始显现可行性。例如：医疗手术、岩石钻探、远程云感测、射电天文学、太空无线电通信、卫星通信、无线电传输、远程激光通信以及用于远程充电电池的激光器。因此，其中一些应用需要研究与激光束大气传播相关的现象 [1]、[2]、[3] 和 [4]。最近，一些研究开始对速度场作为动态变量的数值解进行建模 [5]，这与先前研究规定流体速度 [6]、[7] 不同。当激光束传播通过吸收介质时，会发生称为热晕的效应。尽管介质的吸收效应非常小，但当流体为空气时，会促进激光束附近的温度和密度场的变化。温度变化会引起折射率的变化，从而