XiaoMi-AI文件搜索系统
World File Search System线性组合
![arxiv：2209.15593v2 [Quant-ph] 2023年1月15日](/simg/g:\will\search\icon\source\8\86c9aa5ee135f3f7e32930bd3f13a2c2c05000f9.webp)
第五讲：利用电路进行计算
状态 | 0 ⟩ 和 | 1 ⟩ 称为基态，上述方程的状态为：任何长度为 1 的基态的线性组合都是有效状态。在谈论状态长度时，我们将其视为矢量。请记住，这对应于量子力学的第一公设。重要的是，给定状态 | ψ ⟩ = α | 0 ⟩ + β | 1 ⟩ 的物理量子比特，不可能找出 α、β。我们只能测量量子比特。让我们举一个测量的例子。如果我们在标准基础上进行测量，基态为 | 0 ⟩ 和 | 1 ⟩ ，那么我们将有 | α | 2 的概率观察到状态 | 0 ⟩ ，并以 | β | 2 的概率得到状态 | 1 ⟩ 。这为为什么状态的范数应该为 1 提供了更多理由。与经典计算的情况一样，我们使用多个量子比特在量子计算机中存储数据。两个量子比特的可能状态是什么？基态应该是 | 0 ⟩| 0 ⟩ 、 | 0 ⟩| 1 ⟩ 、 | 1 ⟩| 0 ⟩ 和 | 1 ⟩| 1 ⟩ 。我们将状态 | 0 ⟩| 0 ⟩ 与状态 | 00 ⟩ 等同，其他基态也类似。和以前一样，我们会说这些状态的任何线性组合都是有效状态。
通过经典方法从泡利噪声中有效恢复信息……
• 给定通道 𝒫 的描述，找到映射 𝒟 使得 𝑡𝑟𝑂𝒟∘𝒫𝜎 = 𝑡𝑟𝑂𝜎 。 • 𝒟 不是 CPTP，但可以写成 CPTP 映射的线性组合。 • 通过概率抽样模拟 𝒟 的动作。
![arXiv:2407.17405v3 [quant-ph] 2024 年 10 月 8 日](/simg/g:\will\search\icon\source\4\48778b8f99287d8b2fcda042a71bd4cabf82e375.webp)
arXiv:2407.17405v3 [quant-ph] 2024 年 10 月 8 日
张量网络和量子计算是模拟量子多体系统最强大的两种工具。我们并不将它们视为相互竞争的方法，而是在此考虑如何协同工作这两种方法。我们引入了一种新算法，该算法结合了张量网络和量子计算，产生的结果比单独使用其中任何一种方法所能获得的结果更准确。我们的算法基于多积公式 (MPF) - 一种线性组合 Trotter 积公式以减少算法误差的技术。我们的算法使用量子计算机计算期望值，使用张量网络计算线性组合中使用的系数。我们对该算法进行了详细的错误分析，并使用两台 IBM 量子计算机：ibm_torino 和 ibm_kyiv 演示了 50 量子比特的一维量子模拟问题的完整工作流程。
利用自适应变分量子动力学计算多体格林函数
摘要：我们提出了一种使用自适应变分量子动力学模拟方法计算多体实时格林函数的方法。实时格林函数涉及带有一个额外电子的量子态相对于基态波函数的时间演化，该波函数首先表示为状态向量的线性 - 线性组合。通过将各个状态向量的动态组合成线性组合，可以获得实时演化和格林函数。使用自适应协议使我们能够在运行模拟时即时生成紧凑的假设。为了提高光谱特征的收敛性，应用了 Pade 近似值来获得格林函数的傅里叶变换。我们在 IBM Q 量子计算机上演示了格林函数的评估。作为我们错误缓解策略的一部分，我们开发了一种分辨率增强方法，并成功地将其应用于来自实量子硬件的噪声数据。
从人类反馈中学习跨越结构的反馈
本学期的项目解决了建立一个结构的挑战，该结构使用从人类偏好中学习的强化学习，将两个支撑跨越差距连接起来。这种方法涉及从人类反馈中学习奖励预测指标，这是结构任务的演示。提出用于用人类反馈训练代理的算法后，该报告首先实验验证方法。两个奖励模型的有效性之间的比较如下：一个基于手工特征的线性组合，另一个基于卷积神经网络的线性组合。随后，该报告根据基于重新预测指标的分歧而评估了查询选择策略的影响。该报告以测试结束，将训练的代理与从人类偏好获得的奖励与基准前进强化学习代理人相比，证明了拟议奖励塑造策略的承诺。
MATH 361 线性代数
本课程介绍有限维抽象向量空间和线性变换的理论。主题包括：线性方程组、矩阵、矩阵代数、行列式和逆、线性组合和线性独立性、抽象向量空间、基和坐标变换、内积空间、正交基。我们还考虑线性变换、同构、线性映射的矩阵表示、特征值和特征向量、对角化和相似性。应用包括计算机图形学、马尔可夫链、化学、线性回归、网络流、电路和微分方程。
