XiaoMi-AI文件搜索系统
World File Search System量子噪声
AI-量子共生 - ijprems.com
本文重点介绍了量子物理与量子计算 (QC) 之间的协同关系，并分析了人工智能对量子计算的革命性影响。叠加和纠缠是量子计算的基础，它提供了前所未有的计算能力。然而，退相干和量子噪声仍然是问题。人工智能在模式识别、数据分析和优化方面的实力为这些问题提供了切实可行的答案。量子机器学习 (QML)、人工智能驱动的量子纠错和量子优化等关键应用使量子模拟、材料发现和状态预测方面的进步成为可能。除了解决可扩展性和数据需求问题外，本分析还展望了量子密码学和混合人工智能量子系统的未来发展。人工智能和量子技术的融合将改变许多行业，代表着计算和科学进步的巨大进步。
量子启发的分销算法估算以解决旅行推销员问题
摘要 - 提出了一种新颖的量子启发算法估计（QIEDA）来解决旅行推销员问题（TSP）。QIEDA使用W状态量子电路的修改版本在算法运行时采样新解决方案。将算法行为与其他基于人群的其他算法进行比较。QIEDA收敛速度比其他算法快，并且所获得的溶液随着问题的大小增加而改善。此外，我们表明量子噪声增强了对最佳解决方案的搜索。因为量子计算机彼此不同，部分原因是分布量子位的拓扑，因此分析了在不同拓扑中执行QIEDA的计算成本，并为使用Qieda求解的TSP提出了理想的拓扑结构。索引术语 - Quantum计算，量子机学习，旅行推销员问题，分销算法算法
噪声量子态的信息可恢复性
从量子系统中提取经典信息是许多量子算法的必要步骤。然而，由于系统容易受到量子噪声的影响，这些信息可能会被破坏，而且量子动力学下的失真尚未得到充分研究。在这项工作中，我们引入了一个系统框架来研究我们如何从嘈杂的量子态中检索信息。给定一个嘈杂的量子信道，我们完全表征了可恢复的经典信息的范围。这个条件允许一个自然的度量来量化信道的信息可恢复性。此外，我们解决了最小信息检索成本，它与相应的最优协议一起，可以通过半定规划有效地计算出来。作为应用，我们为实际量子噪声建立了信息检索成本的极限，并采用相应的协议来减轻基态能量估计中的错误。我们的工作首次全面表征了噪声量子态从可恢复范围到恢复成本的信息可恢复性，揭示了概率误差消除的最终极限。
非线性多刺量子光子学中Fisher信息的贝叶斯优化
摘要：我们在薄膜𝜒（2）谐振器中基于非线性多辅音光学元件提出了一个片上陀螺仪，该光学具有同时结合了高灵敏度，紧凑的外形和低功率消耗的谐振器。我们理论上分析了一种新型的整体度量 - 多种非线性光子腔的Fisher信息能力 - 以充分表征我们陀螺仪在娱乐性量子噪声条件下的灵敏度。利用贝叶斯优化技术，我们直接最大化了非线性多辅助渔民信息。我们的整体选择方法策划了多种物理现象的和谐融合，包括噪声挤压，非线性波混合，非线性临界耦合和非稳态信号，都封装在单个传感器谐波中，从而显着增强敏感性。我们表明，与射击有限的线性陀螺仪具有相同的占地面积，固有质量因素和功率预算相比，可以进行约470倍的改进。
量子内积的电路设计与高效模拟及其对近期混合量子-经典机器学习影响的实证研究
在量子计算机上可验证的较低复杂度。然而，量子电路 (QC) 的 QIP 体现仍不清楚，更不用说对 QIP 电路的 (彻底) 评估，特别是在 NISQ 时代的实际环境中，通过混合量子经典管道将 QIP 应用于 ML。在本文中，我们从头开始精心设计 QIP 电路，其复杂性与理论复杂性一致。为了使模拟在经典计算机上易于处理，特别是当它集成在基于梯度的混合 ML 管道中时，我们进一步设计了一种高效的模拟方案，直接模拟输出状态。实验表明，与之前的电路模拟器相比，该方案将模拟速度提高了 68k 倍以上。这使我们能够对典型的机器学习任务进行实证评估，从通过神经网络的监督和自监督学习到 K 均值聚类。结果表明，在量子比特足够的情况下，典型量子机制带来的计算误差一般不会对最终的数值结果产生太大影响。然而，某些任务（例如 K-Means 中的排序）可能对量子噪声更加敏感。
具有量子相位噪声的傅里叶变换量子相位估计
对于估计任意量子过程相位的基本任务，设计了一种基于傅里叶的量子相位估计变体，它使用多个纠缠量子比特的探测信号。对于简单的实际实现，每个探测量子比特都可以单独应用和测量。当量子比特最佳纠缠时，可以获得海森堡增强的估计效率缩放。相位估计协议可以在存在量子相位噪声的情况下同样应用。这使我们能够研究一般量子相位噪声对基于傅里叶的相位估计性能的影响。特别是，它揭示了在没有噪声的情况下发现的最佳策略随着噪声的增加逐渐失去其最优性。此外，与无噪声情况相比，在有噪声的情况下，纠缠的存在不再一致有利于估计；存在一个最佳纠缠量来最大化效率，超过该纠缠量就会变得有害。该结果有助于更好地了解量子噪声和纠缠，从而实现量子信号和信息处理。
![arXiv:2307.05253v2 [quant-ph] 2023 年 7 月 12 日](/simg/0\0e27c178ab6f89c986811677e098c52394c52f79.webp)
arXiv:2307.05253v2 [quant-ph] 2023 年 7 月 12 日
量子角度生成器 (QAG) 是一种全新的全量子机器学习模型，旨在在电流噪声中间尺度 (NISQ) 量子设备上生成精确的图像。变分量子电路构成了 QAG 模型的核心，并评估了各种电路架构。结合所谓的 MERA 上采样架构，QAG 模型获得了出色的结果，我们对这些结果进行了详细的分析和评估。据我们所知，这是量子模型首次获得如此精确的结果。为了探索模型对噪声的稳健性，进行了广泛的量子噪声研究。本文证明了在物理量子设备上训练的模型可以学习硬件的噪声特性并生成出色的结果。经验证，即使训练期间量子硬件机器校准变化高达 8% 也可以很好地容忍。为了演示，该模型被用于高能物理学中不可或缺的模拟，以测量粒子能量，并最终在欧洲核子研究中心的大型强子对撞机上发现未知粒子。
具有量子相位噪声的傅里叶变换量子相位估计
对于估计任意量子过程相位的基本任务，设计了一种基于傅立叶的量子相位估计变体，它使用多个纠缠量子比特的探测信号。对于简单的实际实现，每个探测量子比特都可以单独应用和测量。当量子比特最佳纠缠时，可以获得海森堡增强的估计效率缩放。相位估计协议可以在存在量子相位噪声的情况下同样应用。这使我们能够研究一般量子相位噪声对基于傅立叶的相位估计性能的影响。特别是它揭示了在没有噪声的情况下发现的最佳策略随着噪声的增加逐渐失去其最优性。此外，与无噪声情况相比，在有噪声的情况下，纠缠的存在不再一致有利于估计；存在一个最佳纠缠量来最大化效率，超过该纠缠量就会变得有害。该结果有助于更好地了解量子噪声和纠缠，从而实现量子信号和信息处理。
可靠的设备产生稳定的量子计算
摘要 — 稳定的量子计算要求噪声结果即使在存在噪声波动的情况下也能保持有界。然而，非平稳噪声过程会导致量子设备不同特性的漂移，从而极大地影响电路结果。在这里，我们讨论噪声的时间和空间变化如何将设备可靠性与量子计算稳定性联系起来。首先，我们的方法使用 Hellinger 距离量化在不同时间和地点收集的特征指标的统计分布差异。然后，我们验证一个分析界限，将该距离直接与计算期望值的稳定性联系起来。我们的演示使用华盛顿超导 transmon 设备的模型进行数值模拟。我们发现稳定性指标始终由相应的 Hellinger 距离从上方限制，这可以作为指定的容差水平。这些结果强调了可靠量子计算设备的重要性及其对稳定量子计算的影响。索引术语 — 设备可靠性、程序稳定性、时空非平稳性、时变量子噪声
程序员的量子计算
这是一本从传统程序员的角度介绍量子计算的书，适合学生和从业者阅读。书中使用从头开始用 Python 和 C++ 开发的开源代码库，解释了 25 多种基本算法，并给出了完整的数学推导和经典的模拟代码。在介绍量子计算的基础知识之后，作者重点介绍了算法和有效模拟算法的基础设施，从量子隐形传态、超密集编码、Bernstein-Vazirani 算法和 Deutsc-Jozsa 算法开始。高级算法包括量子霸权实验、量子傅里叶变换、相位估计、Shor 算法、具有量子计数和振幅放大的 Grover 算法、量子随机游动以及用于门近似的 Solovay-Kitaev 算法。本书通过变分量子特征求解器、量子近似优化以及 NP 完全最大割和子集和算法探索了量子模拟。本书还讨论了程序员生产力、量子噪声、错误校正以及量子编程语言、编译器和工具面临的挑战等问题，最后一节介绍了编译器的转译技术。