XiaoMi-AI文件搜索系统
World File Search System近似于
使用点云分类网络
摘要 - 心肌梗塞（MI）是最普遍的心血管疾病之一，相关的临床决策通常基于单值成像生物标志物。但是，这种指标仅近似于心脏的复杂3D结构和生理，因此阻碍了对MI结果的更好理解和预测。在这项工作中，我们以点云的形式研究了完整的3D心形状的实用性，以改善对MI事件的检测。为此，我们提出了一条由3D心脏表面重建步骤组成的全自动多步管道，然后是点云分类网络。我们的方法利用了点云上的几何深度学习的最新进展，可以在心脏解剖学的高分辨率表面模型上进行直接有效的多尺度学习。我们评估了1068个英国生物银行受试者的方法，以实现普遍的MI检测和事件MI预测的任务，并在临床基准测试中分别提高了约13％和约5％的改善。此外，我们分析了每个心室和心脏相对于基于3D形状的MI检测的作用，并对通常与MI结果相关的形态和生理模式进行了视觉分析。
重新审视锂离子电池技术改进和成本下降的速度
更广泛的背景 能源存储技术有可能通过电气化运输系统和将间歇性可再生能源整合到电网中来减少温室气体排放。锂离子技术提供了一种可能的选择，但相对于成本竞争力目标，其成本仍然很高，这可能会阻碍这些技术的广泛采用。现有的锂离子技术成本下降速度的衡量标准差异很大，导致对其过去改进速度的评估不明确。我们收集并协调了描述锂离子技术如何改进以及其进步的可能驱动因素的数据。我们衡量锂离子技术随着时间的推移以及市场规模和发明活动的增加而发生的变化。此外，我们提出了一种将其他性能维度纳入技术变革衡量标准的方法，使我们能够考虑能量密度和比能的增加。我们的结果开始近似于以前的衡量标准可能低估了锂离子技术改进的速度，并表明当优先考虑其他特性时，这些技术可能会进步得更快。此外，我们描述了可用于研究这些技术以及其他能源和环境相关技术如何随时间变化的方法，以改进为公共政策、投资和技术开发提供信息的努力。
通过信息扰乱量化非稳定器
量子技术的出现引起了人们对其提供的计算资源的理论表征的极大关注。量化量子资源的一种方法是使用一类称为魔单调和稳定器熵的函数，然而，对于大型系统而言，这些函数非常难以评估且不切实际。在最近的研究中，建立了信息扰乱、魔单调 mana 和 2-Renyi 稳定器熵之间的基本联系。这种联系简化了魔单调计算，但这类方法仍然会随着量子比特的数量而呈指数级增长。在这项工作中，我们建立了一种对非时间顺序相关器进行采样的方法，该相关器近似于魔单调和 2-Renyi 稳定器熵。我们用数字方式展示了这些采样相关器与量子比特和量子三元系统的不同非稳定器度量之间的关系，并提供了与 2-Renyi 稳定器熵的分析关系。此外，我们提出并模拟了一个协议来测量魔法对于局部汉密尔顿量的时间演化的单调行为。
![arXiv:2102.06518v1 [cs.AI] 2021 年 2 月 12 日](/simg/g:\will\search\icon\source\0\070d7c7773e4992bf716ef8f8bc5d0404ff23414.png)
arXiv:2102.06518v1 [cs.AI] 2021 年 2 月 12 日
人工智能 (AI) 的成功采用在很大程度上取决于决策者对它的理解和信任程度 [6]。在不久的将来，人工智能将对人类做出深远的决策，例如在自动驾驶汽车、贷款申请或刑事司法系统中。像 COMPAS 这样的例子，一种用于假释决策的种族偏见算法表明需要审查人工智能决策 [7]。但像深度神经网络 (DNN) 这样的复杂人工智能模型很难被人类理解，并且充当事实上的黑匣子 [16]。相比之下，决策树等简单模型对人类来说更容易理解，但缺乏预测准确性 [9]，尽管有些人认为这不一定正确 [21]。可解释人工智能领域旨在创建更可解释的模型，同时仍实现高预测能力。目前的研究讨论表明，可解释性将带来更多的信任、更现实的期望和更公平的决策 [6]。事后解释技术通过创建一个简化的、可解释的解释模型来工作，该模型近似于黑匣子的行为 [24]。然而，这种简化并非没有风险，因为根据定义，黑匣子的精确工作原理并未显示出来 [24]。相反，可解释模型旨在使
简单而确定的光谱浓度与...
量子物理和计算机科学相交的一个基本问题是计算n个相互作用粒子系统的能量水平。这些是局部汉密尔顿H的特征值，这是一种作用于张量产品h≃（c d）⊗n的共轭 - 对称（Hermitian）线性操作员。局部属性意味着h是术语hη⊗i的总和，其中hη是k = o（1）张量因子的操作员，而i是其余因子上的身份。使用| v |的局部性结构产生了g =（v，e）的HyperGraph g =（v，e） = n，并由M Hyperedgesη∈E索引。根据张量产品空间的尺寸，计算能量水平的标准对角线化程序将需要指数时间。此类别中最著名的问题侧重于计算最低特征值，即基态能量。这概括了计算约束满意度问题的最佳值的问题Max-CSP，但是现在“可变分配”是具有指数级参数的向量。计算最低特征值，直到已知QMA [1]（NP的量子类似物）已知为一定的逆多项式准确性。一个主要的开放问题是量子pcp-conture [2]，它认为QMA是近似于Hamiltonian H = P
通过代表学习
深度学习的有效性通常归因于神经网络作品执行表示形式学习的能力，这种转换将输入数据映射到矢量表示（通常为小于数据维度小得多）。这样的表示空间可以通过归纳结构重组数据（例如，表示与感知相似性相关的表示距离）使求解一般新任务变得更加容易（例如，地面图语义分类函数是更顺畅的W.R.T.一个很好的表示空间）。本文的重点是一般智能代理人的核心技能 - 感知和决策。我们展示了如何将这些功能简化为学习捕获世界各种结构的良好表示形式。特别是，我们仅通过表示学习来解决强化学习问题，从而通过学习良好的表示迈出了迈向建立精致代理的一步。此外，我们研究了来自不同模型和模式的强烈表示的收敛趋势，并提出了柏拉图表示假设：更强大的模型可以更好地近似于与我们现实结构的柏拉图表示。我们认为，这种表示是建立更好模型和智能人工代理的关键组成部分。最后，我们概述了通过训练和适应来学习这种柏拉图表示的未来几个方向。
从量子或经典数据学习量子模型
摘要。在本文中，我们讨论了如何在量子系统中表示经典数据分布的问题。所提出的方法是学习量子汉密尔顿量，使其基态近似于给定的经典分布。我们回顾了关于量子玻尔兹曼机 (QBM) [1, 2] 的先前工作，以及如何使用它从量子统计数据中推断量子汉密尔顿量。然后，我们展示了所提出的量子学习形式如何应用于纯经典数据分析。将数据表示为秩一密度矩阵除了经典统计数据外，还引入了经典数据的量子统计数据。我们表明，量子学习产生的结果比经典最大似然方法准确得多，无论是对于无监督学习还是分类。数据密度矩阵和 QBM 解显示纠缠，由量子互信息 I 量化。数据中的经典互信息 I c ≤ I/ 2 = C ，通过选择合适的正交测量基获得 C 最大经典相关性。我们认为剩余的互信息 Q = I/ 2 是通过非正交测量获得的，这可能违反贝尔不等式。过剩的互信息 I − I c 可能用于提高机器学习或其他统计方法的量子实现的性能。
无限型汉密尔顿人的量子绝热定理，其适用于超导电路
我们提出了一种新的量子绝热定理，该定理允许人们严格限制多种系统的绝热时间尺度，包括最初由最初无界的汉密尔顿人描述的系统，这些系统被截止使有限量化。我们的界限适合超导电路的量子近似值，并提出了一个足够的条件，可在N量子位的电路模型的2 n维Qubit子空间中保留。这种绝热定理的新颖性是，与以前的严格结果不同，它不包含2 n作为绝热时间尺度的一个因素，并且它允许人们获得二十岁时间尺度的表达，而与吉尔伯特巡回赛的少量二维希尔伯特空间无关。作为一种应用，我们提出了该时间尺度对超导频率Qubit的电路参数的明确依赖性，并证明从Qubit子空间中泄漏出来是不可避免的，因为隧道屏障在量子末期末端升高。我们还讨论了获得2 N×2 N有效哈密顿量的一种方法，该方法最能近似于缓慢变化的电路控制参数引起的真实动力学。本文是主题问题的一部分“量子退火和计算：挑战和观点”。
魔术状态蒸馏和量子化学量子算法中的栅极汇编
用于量子化学的量子算法绘制分子中电子的动力学与耦合自旋系统的动力学。为了达到有趣分子的化学准确性，必须应用大量的量子门，这意味着需要进行量子误差校正和易于断层的量子计算。可以通过门编译的一组易于故障的通用操作来构建任意耐断层操作。量子化学算法是通过使用猪排公式分解耦合自旋系统的动力学来编译的，并使用Cli效法操作和单值旋转合成分解的动力学，并通过最终近似于单质量旋转的单个质量旋转序列，并通过单位固定器单位单位单位Qubit Bit Bit Bit Bit Bit Bit Bite。某些容忍故障的门取决于被称为魔术状态的特定单量状状态的制备。结果，门汇编和魔术状态蒸馏对于解决量子计算机上的量子化学问题至关重要。我们回顾了最近的进展，这已经提高了通过数量级来提高栅极汇编和魔术状态蒸馏的效率。
对噪声量子设备上电路近似的经验评估
嘈杂的中间尺度量子（NISQ）设备无法产生足够忠诚的输出，以使当今有许多大门的深电路。此类设备遭受读出，多Qubit Gate和交叉噪声的影响，并结合了短的反应时间限制电路深度。这项工作开发了一种方法来生成较短的Cir-livit，其多头门的较少，其单位转换近似于原始参考。它探讨了在NISQ设备下产生的近似值的好处。实验结果具有Grover的算法，多控制的Toffoli门，横向场Ising模型表明，这种近似电路会产生比NISQ设备上的更长的忠诚度结果，尤其是当参考通行器具有许多CNOT门时。具有这种微调电路的能力，可以证明可以在当今的设备上进行更复杂的问题进行量子计算，而不是以前的可行性，有时甚至可以在总体上获得高达60％的量子。具有这种微调电路的能力，可以证明可以在当今的设备上进行更复杂的问题进行量子计算，而不是以前的可行性，有时甚至可以在总体上获得高达60％的量子。