XiaoMi-AI文件搜索系统
World File Search System离散变量
量子虚时间演化算法
量子场是物理世界的基本组成部分，它描述所有能量尺度上的物质量子多体系统以及电磁辐射和引力辐射。量子场工程实现了前所未有的测量灵敏度，典型案例是利用压缩光将激光干涉引力波天文台 (LIGO) 的本底噪声降低到散粒噪声极限以下 [1]。在连续变量 (CV) 量子场（又称量子模（代替离散变量 (DV) 量子位））中对量子信息进行编码，已经实现了数百万个量子模上的多体纠缠。这种规模在任何量子位架构中都是无与伦比的，它为量子计算、量子通信和量子传感定义了新的视野和范式。基于量子模式的纳米光子集成设备有可能超越基于量子比特的噪声中型量子 (NISQ) [ 2 ] 计算设备的性能，从而定义未来的量子技术。量子模式的自然实现是使用量子光，这也适用于传感 [ 3 – 6 ] 和通信。
用量子退火器求解SAT（和MaxSat）
量子退火器（QAS）是专门的量子计算机，可以通过物理利用量子效应来最大程度地限制离散变量的目标函数。当前的QA平台允许优化二进制变量（Qubits）定义的二次目标，也称为ISING问题。在过去的十年中，D-Wave实施的质量检查系统随着摩尔般的增长而扩展。当前的体系结构提供2048个稀疏连接的量子位，并预计持续的指数增长以及连通性的提高。我们探讨了解决SAT和MaxSAT问题等体系结构等QA Systems量表等架构的可行性。我们开发了有效地编码SAT的技术，并具有一定局限性的Maxsat-将与稀疏QA体系结构兼容的问题。我们为此映射提供了理论基础，并提供了编码技术，这些技术结合了o ne ine ne ane fimita和optimization modulo理论与在空中的位置和路由相结合。对当前一代2048 Qubit D-Wave系统的初步经验测试支持该方法对于某些SAT和MAXSAT问题的可行性。
量子计算的全纯表示
我们利用量子态的 Segal-Bargmann 表示法研究玻色子量子计算。我们认为这种全纯表示法是一种自然表示法，它不仅使用复分析的基本元素给出了玻色子量子计算的规范描述，而且还提供了描绘离散变量和连续变量量子信息理论之间界限的统一图景。利用这种表示法，我们表明，高斯哈密顿量下单个玻色子模式的演化可以描述为经典 Calogero-Moser 粒子的可积动力学系统，对应于全纯函数的零点，以及高斯参数的共形演化。我们解释说，Calogero-Moser 动力学是由于玻色子希尔伯特空间的独特特征（例如压缩）所致。然后，我们将这种全纯表示的性质推广到多模情况，推导出非高斯量子态层次结构，并将纠缠与全纯函数的因式分解性质联系起来。最后，我们将这种形式应用于离散和连续变量量子测量，并获得亚通用模型的分类，这些模型是玻色子采样和高斯量子计算的推广。
电力流动气流在电网通道中诱导的电流动力气流的数值建模
我们建议在纠缠交换协议中使用混合纠缠，作为对两个当事方高度有限的钟声国家进行分配的手段。这项工作中使用的混合纠缠被描述为离散变量（FOCK状态）和连续变量（CAT状态叠加）纠缠状态。我们在通过射影的真空 - 一个photon测量和通过平衡的同伴检测中检测到这些状态之前，在两个传播连续变量模式之间建模光子损失水平相等和不相等。我们研究了本协议中选择的测量方案的同性恋测量缺陷以及相关的成功概率。我们表明，我们的倾向交换方案具有弹性的光子损失水平，以及两种传播模式之间的平均不相等损失水平，并以其他混合纠缠方案的改善，以相干性状态叠加作为传播模式，这种损失弹性比其他混合纠缠方案有所改善。最后，我们得出结论，我们的协议适用于潜在的量子网络应用程序，当与合适的纠缠术方案一起使用时，需要两个节点在5-10 km的距离内共享纠缠。
米兰大学
1) 研究伪厄米量子理论。具体研究了量子最速线问题和此类系统中纠缠产生的速率。 2) 在攻读博士学位期间，我研究了光机械隔离器。任务是解决此类系统中的带宽限制并研究这些设备背后的物理原理。 3) 在攻读博士学位期间，我还探索了异常点量子传感器。我不仅对其进行了理论研究，还在量子硬件上模拟了该系统并研究了量子费舍尔信息。 4) 在攻读硕士学位期间，我致力于通过模拟来理解自组织临界过程的物理原理。我专门使用了 Metropolis Hastings 算法进行模拟。 5) 作为 Qkrishi Quantum Pvt Ltd. 的顾问科学家。我为他们提供各种量子算法方面的建议，并曾短暂研究过后量子密码学。 6) 精通 Qiskit 等离散变量量子计算平台。 7) 精通 Strawberry Fields 等连续变量量子计算平台。 8）精通Python及其机器学习库和Mathematica。
离散调制的连续变量量子密钥分布的安全性
连续可变量子密钥与离散调制具有可能使用广泛可用的光学电源和现有的电信基础来提供信息理论安全性的潜力。尽管其实施比基于高斯调制的协议要简单，但证明其针对连贯攻击的有限尺寸安全性带来了挑战。在这项工作中，我们证明了有限尺寸的安全性，以针对涉及四个相干状态和杂化检测的离散调制量子键分配协议的共同攻击。要这样做，与大多数现有方案相反，我们首先将所有连续变量分解为协议期间的所有连续变量。这使我们可以使用熵累积定理，该工具以前已在离散变量的设置中使用，以结构有限尺寸的安全性证明。然后，我们通过半准编程计算相应的有限键速率，并在光子数截止下计算。我们的分析提供了0范围内的渐近率。1-10 - 4位每回合，用于数百公里的差异，而在有限的情况下，对于实际的参数，我们在n〜10 11回合和几十公里的距离之后获得了10 GBITS的秘密钥匙。
具有多路复用伪确定性光子源......
可靠、确定性地生产值得信赖的高质量单光子是离散变量光学量子技术的关键组成部分。对于基于单光子的完全纠错量子计算系统，估计需要光子源以超过 1 GHz 的速率产生可靠的光子流 (Vigliar 等人，2021)。光子复用是一种潜在的解决方案，其中低概率源与交换网络相结合，将成功的生产事件路由到输出，但需要极快的单光子切换和超低的损耗率。在本文中，我们研究了开关元件的具体属性，并提出了一种新设计，该设计利用了常见开关元件（例如导热垫）的一般单向属性。通过将多个开关引入基本的时间复用设备，我们可以在以更快的速率泵送的多路复用源中使用慢速开关元件。我们在多个错误通道下对这种设计进行建模，并表明预期性能现在受到集成光子芯片组内光波导的固有损耗率的限制。虽然开发的设计没有达到必要的 1 GHz 光子速率，但我们展示了当底层技术改进时可能变得有用的设计元素。
迪斯科舞厅：增强具有离散潜在潜在的连续扩散模型
扩散模型（DMS）已彻底改变了一般学习。他们利用扩散过程将数据编码为简单的高斯分布。但是，将复杂的，潜在的多模式数据分布编码为单个连续的高斯分布可以说是一个不必要的挑战性学习问题。我们建议通过引入互补的离散la-Tent变量来简化此任务，以简化此任务。我们使用可学习的离散潜在潜在的DMS增强DM，并用编码器推断出DM和DM和编码器端到端。Disco-Diff不依赖于预训练的网络，因此该框架普遍适用。离散的潜伏期可以通过降低DM生成ode的曲率来大大简化学习DM的复杂噪声到数据映射。加法自动回归变压器模型离散潜伏期的分配，这是一个简单的步骤，因为迪斯科舞厅只需要很少有带有小型代码的离散变量。我们在玩具数据，几个图像合成任务以及分子对接方面验证了DISCO-DIFF，并发现引入离散潜在潜伏期始终可以改善模型性能。例如，Disco-Diff在具有ODE Sampler的类调节Imagenet-64/128数据集上获得了最先进的FID分数。
Vitae课程（2025年1月6日）
•W。Thompson等。“在二进制棕色矮人伴侣GL229 BA和BB的轨道上。”天文学期刊（接受），2025+。•S. Luu，Z。Xu，N。Surjanovic，M。Biron-Lattes，T。Campbell，A。Bouchard-cˆotˆe。“吉布斯采样速度比在GLM上的哈密顿蒙特卡洛更快吗？”国际人工智能与统计会议，2025年（接受）。•T。Campbell。 “贝叶斯核心质量的一般界限。”神经信息处理系统的进展，2024年（接受26％）。 •M. Biron-Lattes，T。Campbell，A。Bouchard-Cˆot´e。 “通过非可逆模拟回火自动仿真。”美国统计协会杂志（接受），2024年。 •N。Chen，T。Campbell。 “马尔可夫链蒙特卡洛。”国际人工智能与统计会议，2024年（27％接受）。 •M。Biron-Lattes*，N。Surjanovic*，S。Syed，T。Campbell，A。Bouchard-Cˆot´e。 “ Automala：本地自适应大都会调整后的Langevin算法。”国际人工智能与统计会议，2024年（27％接受）。 •G.C. Diluvi，B。Bloem-Reddy，T。Campbell。 “离散变量的混合变分流。”国际人工智能与统计会议，2024年（27％接受）。 •S. Winter，T。Campbell，L。Lin，S。Srivastava，D。Dunson。 “贝叶斯计算中的新兴方向。”统计科学39（1），62-89，2024。 •Z. Xu，T。Campbell。•T。Campbell。“贝叶斯核心质量的一般界限。”神经信息处理系统的进展，2024年（接受26％）。•M. Biron-Lattes，T。Campbell，A。Bouchard-Cˆot´e。“通过非可逆模拟回火自动仿真。”美国统计协会杂志（接受），2024年。•N。Chen，T。Campbell。“马尔可夫链蒙特卡洛。”国际人工智能与统计会议，2024年（27％接受）。•M。Biron-Lattes*，N。Surjanovic*，S。Syed，T。Campbell，A。Bouchard-Cˆot´e。“ Automala：本地自适应大都会调整后的Langevin算法。”国际人工智能与统计会议，2024年（27％接受）。•G.C.Diluvi，B。Bloem-Reddy，T。Campbell。“离散变量的混合变分流。”国际人工智能与统计会议，2024年（27％接受）。•S. Winter，T。Campbell，L。Lin，S。Srivastava，D。Dunson。“贝叶斯计算中的新兴方向。”统计科学39（1），62-89，2024。•Z. Xu，T。Campbell。“拥抱混乱：分析和诊断变异流中数值不稳定性。”神经信息处理系统的进步，2023年（接受26％）。
迈向混合模拟数字量子信号处理
摘要 — 信号处理是经典计算和现代信息技术的支柱，适用于模拟和数字信号。最近，量子信息科学的进步表明量子信号处理 (QSP) 可以实现更强大的信号处理能力。然而，QSP 的发展主要利用数字量子资源，例如离散变量 (DV) 系统（如量子位），而不是模拟量子资源，例如连续变量 (CV) 系统（如量子振荡器）。因此，在理解如何在混合 CV-DV 量子计算机上执行信号处理方面仍然存在差距。在这里，我们通过开发一种混合模拟数字 QSP 的新范式来解决这一差距。我们通过展示它如何自然地实现量子信号的模拟数字转换（具体来说，DV 和 CV 量子系统之间的状态转移）来证明该范式的实用性。然后我们表明，这种量子模拟数字转换使 CV-DV 硬件上量子算法的新实现成为可能。这可以通过量子振荡器的自由演化来实现量子比特上编码状态的量子傅里叶变换，尽管由于信息论论证，量子比特的数量在运行时呈指数增长。总的来说，这项工作标志着混合 CV-DV 量子计算向前迈出了重要一步，为量子处理器上可扩展的模拟数字信号处理奠定了基础。