XiaoMi-AI文件搜索系统
World File Search System混合算法
能量收集和储能系统
可持续发展体系基于三大支柱：经济发展、环境管理和社会公平。在这些支柱之间寻找平衡的指导原则之一是限制不可再生能源的使用。解决这一挑战的一个有希望的方法是从周围环境中收集能量并将其转化为电能。当代对太阳能、风能和热能等新能源发电技术的发展需求很高，以促进用更清洁的可再生能源替代化石燃料能源。能量收集系统已成为一个突出的研究领域，并继续快速发展。现代技术，包括便携式电子设备、电动交通、通信系统和智能医疗设备，都需要高效的储能系统。电能存储设备还用于智能电网控制、电网稳定性和峰值功率节省，以及频率和电压调节。由于电力供应波动，可再生能源（例如太阳能和风能）产生的电力并不总是能够立即响应需求。因此，有人建议将收获的电能保存起来以供未来使用。而电能存储技术的现状远不能满足必要的需求。本期特刊发表了 13 篇论文，涵盖优化算法的各个方面、风能涡轮机的评估、静电振动能量传感器、电池管理系统、热电发电机、配电网络、可再生能源微电网接口问题、基于模糊逻辑控制器的直接功率控制、燃料电池参数估计以及超低功率超级电容器。Sharma 等人 [1] 提出了一种鲸鱼优化算法 (WOA) 和粒子群优化 (PSO) 算法 (WOAPSO) 的混合版本，用于光伏电池的参数优化。在 WOA 的流水线模式下利用具有自适应权重函数的 PSO 的开发能力来增强基本 PSO 的能力和收敛速度。将所提出的混合算法与六种不同的优化算法在均方根误差和收敛速度方面的性能进行了比较。仿真结果表明，所提出的混合算法不仅能在不同辐照水平下产生优化参数，而且即使在低辐照水平下也能估算出最小均方根误差。采用海鞘群算法 (TSA) 估算标准温度条件下的 Photowatt-PWP201 PV 板模块参数 [ 2 ]。结论是，TSA 是一种有效且稳健的技术，可用于估算标准工作条件下太阳能 PV 模块模型的未知优化参数。将模拟结果与四种不同的现有优化算法进行了比较：引力搜索算法 (GSA)、粒子群优化和引力搜索算法的混合算法 (PSOGSA)、正弦余弦算法 (SCA) 和鲸鱼
通过时间异步和程序连接的活动跟踪实现大型神经网络模拟的可扩展性
图 2：混合算法 [19]（图 (a) 和 (b)）和 ATiTA(P)（图 (c) 和 (d)）的示意图。图 (a) 和 (c) 代表神经网络的观点，而 PU 的观点则显示在图 (b) 和 (d) 中。由于膜电位或强度的整合，所有地方的脉冲都用红色表示，突触传递事件用橙色表示，下一个脉冲的预测用绿色表示。对于 ATiTA(P)，灰色也表示计算后丢弃的潜在脉冲。在 (a) 中，由于大小为 T com 的突触延迟，下一个大小为 T com 的容器中的神经元会接收脉冲，然后对其进行整合以计算膜电位。在 (b) 中，每个 PU 的计算都是按大小为 T com 的容器进行的，并且需要在每个 T com 进行同步。根据 PU 的数量，一些 PU 可能会等待其他 PU，而不会在每个线程上进行大量计算，因此它们的负载较低。在 (c) 中，对于 ATiTA(P)，在网络级别使用离散事件方法：计算会跳转到下一个潜在尖峰。最小的尖峰被保留为实际的下一个尖峰。然后，仅对突触后神经元进行突触传递、相应强度的更新和下一个潜在尖峰的新计算。在 (d) 中，(c) 的不同操作按单个线程在单个 PU 上执行的连续操作的顺序排列，因此单个 PU 会随着时间的推移满负荷运行。请注意，两种算法（混合算法和 ATiTA(P)）都具有时间精度，可以是经典的数值精度 10 15，从这个意义上讲，它们都计算连续时间。
模拟量子变分嵌入分类器
量子机器学习有可能为人工智能提供强大的算法。在量子机器学习中追求量子优势是一个活跃的研究领域。对于目前有噪声的中型量子计算机，已经提出了各种量子-经典混合算法。一种先前提出的混合算法是基于门的变分嵌入分类器，它由经典神经网络和参数化的基于门的量子电路组成。我们提出了一种基于模拟量子计算机的量子变分嵌入分类器，其中控制信号随时间连续变化：我们特别关注的是使用量子退火器的实现。在我们的算法中，通过线性变换将经典数据转换为模拟量子计算机的时变哈密顿量的参数。非线性分类问题所需的非线性纯粹由模拟量子计算机通过最终量子态对哈密顿量控制参数的非线性依赖性提供。我们进行了数值模拟，证明了我们的算法对线性不可分数据集（例如同心圆和 MNIST 数字）进行二分类和多类分类的有效性。我们的分类器可以达到与最佳经典分类器相当的准确度。我们发现，通过增加量子比特的数量可以提高分类器的性能，直到性能饱和并波动。此外，我们的分类器的优化参数数量与量子比特的数量成线性关系。因此，当我们的模型大小增加时，训练参数数量的增加速度不如神经网络快。我们的算法提出了使用当前量子退火器解决实际机器学习问题的可能性，并且它还可用于探索量子机器学习中的量子优势。
QuaSiMo：用于编写量子模拟混合工作流的组合库
我们提出了一种可组合的设计方案，用于开发用于量子模拟应用的混合量子/经典算法和工作流。我们的面向对象方法基于构建一组富有表现力的通用数据结构和方法，这些结构和方法可以编程各种复杂的混合量子模拟应用程序。我们方案的抽象核心是从对当前量子模拟算法的分析中提炼出来的。随后，它允许通过扩展、专业化和动态定制我们设计定义的抽象核心类来合成新的混合算法和工作流。我们使用与硬件无关的编程语言 QCOR 将我们的设计方案实现到 QuaSiMo 库中。为了验证我们的实现，我们在 IBM 和 Rigetti 的商业量子处理器上测试并展示了它的实用性，运行了一些原型量子模拟。
带错误反向传播算法和实验实现的量子电路学习
摘要：量子计算具有胜过经典计算机的潜力，并有望在各种领域中发挥积极作用。在量子机学习中，发现量子计算机可用于增强特征表示和高维状态或功能近似。量子 - 古典杂交算法近年来在嘈杂的中间尺度量子计算机（NISQ）环境下为此目的提出了量子 - 级别的混合算法。 在此方案下，经典计算机所起的作用是量子电路的参数调整，参数优化和参数更新。 在本文中，我们提出了一种基于梯度下降的反向传播算法，该算法可以充分地计算参数优化中的梯度并更新量子电路学习的参数，该参数以当前参数搜索算法的范围优于计算速度，同时呈现相同的测试精度，甚至更高。 同时，所提出的理论方案成功地在IBM Q的20量量子计算机上实施。 实验结果表明，栅极误差，尤其是CNOT门误差，强烈影响派生的梯度精度。 随着由于累积的门噪声误差，在IBM Q上执行的回归精度变得较低。量子 - 级别的混合算法。在此方案下，经典计算机所起的作用是量子电路的参数调整，参数优化和参数更新。在本文中，我们提出了一种基于梯度下降的反向传播算法，该算法可以充分地计算参数优化中的梯度并更新量子电路学习的参数，该参数以当前参数搜索算法的范围优于计算速度，同时呈现相同的测试精度，甚至更高。同时，所提出的理论方案成功地在IBM Q的20量量子计算机上实施。实验结果表明，栅极误差，尤其是CNOT门误差，强烈影响派生的梯度精度。随着由于累积的门噪声误差，在IBM Q上执行的回归精度变得较低。
的脱位及其在电子非绝热动力学中的作用
摘要：变形是子系统的时间进化降低密度矩阵的趋势，即假设与状态统计集合相对应的形式，而不是纯状波函数的相干组合。当分子过程涉及电子状态和核的坐标的变化时，例如紫外线或可见光光光化学或电子非弹性碰撞，电子子系统的密度矩阵会减少与核子系统的相互作用。我们提出了概念化这种折叠的必要背景；特别是，我们讨论了纯状态和混合状态的密度矩阵描述，并讨论了指针状态和腐烂时间。然后，我们讨论如何与混合算法的衰减和轨迹表面跳跃方法中的连贯切换处理，以进行电子非绝热过程的半经典计算。
![arXiv:2009.01235v3 [quant-ph] 2022 年 1 月 28 日](/simg/g:\will\search\icon\source\7\7bdb3d7911ef8a815b025f85c66fbfbfedfec5ed.webp)
arXiv:2009.01235v3 [quant-ph] 2022 年 1 月 28 日
量子计算机具有在高维空间中相对快速运行的独特能力——这是它们相对于传统计算机的竞争优势。在这项工作中，我们提出了一种称为量子鉴别器的新型量子机器学习模型，它利用量子计算机在高维空间中运行的能力。量子鉴别器使用量子-经典混合算法在 O（N log N）时间内进行训练，并在通用量子计算机上以线性时间进行推理。量子鉴别器将从给定数据中提取的二进制特征与预测量子位作为输入，并输出预测标签。我们分析了它在 Iris 和 Bars and Stripes 数据集上的性能，并表明它在模拟中可以达到 99% 的准确率。
劳伦斯伯克利国家实验室
摘要 — 我们提出了一种可组合的设计方案，用于开发用于量子模拟应用的混合量子/经典算法和工作流程。我们的面向对象方法基于构建一组富有表现力的通用数据结构和方法，这些结构和方法可以对各种复杂的混合量子模拟应用程序进行编程。我们方案的抽象核心是从对当前量子模拟算法的分析中提炼出来的。随后，它允许通过扩展、专业化和动态定制由我们的设计定义的抽象核心类来合成新的混合算法和工作流程。我们使用与硬件无关的编程语言 QCOR 将我们的设计方案实现到 QuaSiMo 库中。为了验证我们的实现，我们在 IBM 的商业量子处理器上测试并展示了它的实用性，运行了一些原型量子模拟。索引术语 — 量子计算、量子编程、编程语言
计算早期断层的基态性质
在应用量子计算中，大量研究致力于分子和材料基态能量估计问题。然而，对于许多具有实际价值的应用，必须估计基态的其他属性。这些包括用于计算材料中电子传输的格林函数和用于计算分子电偶极子的单粒子约化密度矩阵。在本文中，我们提出了一种量子-经典混合算法，使用低深度量子电路以高精度高效地估计此类基态特性。我们对各种成本（电路重复、最大演化时间和预期总运行时间）进行了分析，这些成本与目标精度、光谱间隙和初始基态重叠有关。该算法提出了一种使用早期容错量子计算机进行行业相关分子和材料计算的具体方法。
利用遗传算法和二元回归树预测卫生人员计算机视觉综合症
1 阿斯图里亚斯中央大学医院，33011 奥维耶多，西班牙 2 奥维耶多大学数学系，33007 奥维耶多，西班牙； sanchezfernando@uniovi.es 3 奥维耶多大学工商管理系，33004 奥维耶多，西班牙； suarezana@uniovi.es (A.S.S.)； fjiglesias@uniovi.es (F.J.I.-R.) 4 阿利坎特大学光学、药理学和解剖学系，03690 阿利坎特，西班牙； mm.segui@ua.es * 通讯作者：evam.artime@sespa.es † 本文是会议论文的延伸：Artime Rí os, E.M.；桑切斯·拉什拉斯，F.；苏亚雷斯·桑切斯，A.； Iglesias-Rodríguez，F.J.；SeguíCrespo，M.M. 基于树和进化算法的预测医护人员计算机视觉综合症的混合算法。第 13 届国际会议论文集，混合人工智能系统 (HAIS)，奥维耶多，西班牙，2018 年 6 月 20 日至 22 日。