XiaoMi-AI文件搜索系统
World File Search System量子态
在存在的情况下进行多体量子态控制......
量子态控制对于量子信息处理和通过量子网络传输量子信息至关重要。在本文中，我们研究如何通过设计描述系统内部几何形状或配置的时间相关物理参数来控制多体量子系统的时间演化。一个有趣的经典类比是，一只坠落的猫可以重新调整自己的方向，以便它四脚着地，最大限度地减少对身体的伤害[1-4]。这种经典现象的可控性与这样一个事实有关：猫不是刚体[5]，但可以改变身体的形状和身体各部分的相对方向，使它能够在不违反角动量守恒定律的情况下旋转。在量子领域，自主控制问题可能变得更加复杂，因为量子变形体并不是一个经过充分研究的、能够轻易表现出量子控制特性的平台。为了说明我们的方法，我们考虑一个由耦合谐振子链组成的量子系统，我们将使用它来展示在给定的控制运行时间内通过改变耦合和频率来实现量子猫态的传输和重新定位。
经典量子态条件熵的最佳均匀连续性界限
在这篇短文中，我将展示 Alhejji 和 Smith 最近的研究成果 [arXiv:1909.00787] 如何得出经典条件熵的最佳均匀连续性界限，从而得出经典量子态的量子条件熵的最佳均匀连续性界限。这个界限是最优的，因为总存在一对经典量子态达到界限的饱和，因此不可能再进一步改进。一个直接的应用是形成纠缠的均匀连续性界限，它改进了 Winter 先前在 [arXiv:1507.07775] 中给出的界限。关于条件熵的其他可能的均匀连续性界限，提出了两个有趣的未解决的问题，一个是关于量子经典态，另一个是关于完全量子二分态。
分布式Merlin-Arthur量子态合成及其应用
量子态的生成和验证是量子信息处理的基本任务，最近由 Irani、Natarajan、Nirkhe、Rao 和 Yuen [CCC 2022]、Rosenthal 和 Yuen [ITCS 2022]、Metger 和 Yuen [QIP 2023] 在状态合成这一术语下进行了研究。本文从量子分布式计算，特别是分布式量子 Merlin-Arthur (dQMA) 协议的角度研究了这一概念。我们首先在线上介绍一项新任务，称为具有分布式输入的状态生成 (SGDI)。在这个任务中，目标是在线的最右边节点生成量子态 U | ψ ⟩，其中 | ψ ⟩ 是在最左边节点给出的量子态，U 是一个酉矩阵，其描述分布在线的各个节点上。我们为 SGDI 提供了一个 dQMA 协议，并利用该协议为 Naor、Parter 和 Yogev [SODA 2020] 研究的集合相等问题构建了一个 dQMA 协议，并通过展示该问题的经典下限来补充我们的协议。我们的第二个贡献是基于 Zhu 和 Hayashi [Physical Review A, 2019] 的最新研究的 dQMA 协议，用于在没有量子通信的情况下在网络的相邻节点之间创建 EPR 对。作为此 dQMA 协议的一个应用，我们证明了一个通用结果，该结果展示了如何将任意网络上的任何 dQMA 协议转换为另一个 dQMA 协议，其中验证阶段不需要任何量子通信。
变分量子态特征求解器
洛斯阿拉莫斯国家实验室是一家采取平权行动/提供平等机会的雇主，由 Triad National Security, LLC 为美国能源部国家核安全局运营，合同编号为 89233218CNA000001。通过批准本文，出版商承认美国政府保留非独占的、免版税的许可，可以为了美国政府的目的出版或复制本文的已发表形式，或允许他人这样做。洛斯阿拉莫斯国家实验室要求出版商将本文注明为在美国能源部的支持下完成的工作。洛斯阿拉莫斯国家实验室坚决支持学术自由和研究人员的发表权利；但是，作为一个机构，实验室并不认可出版物的观点，也不保证其技术上的正确性。
对量子态的承诺
承诺量子态意味着什么？在这项工作中，我们提出了一个简单的答案：如果在承诺阶段之后，承诺状态从发送者的角度来看是隐藏的，则对量子消息的承诺是具有约束力的。我们用几个实例来说明这个新定义。我们构建了第一个非交互式简洁量子态承诺，它可以看作是量子消息的抗碰撞散列的类似物。我们还表明，任何经典消息的承诺方案都隐含着隐藏量子态承诺 (QSC)。我们所有的构造都可以基于量子密码假设，这些假设隐含在单向函数中，但可能比单向函数更弱。对量子态的承诺为许多新的加密可能性打开了大门。我们对简洁 QSC 的旗舰应用是 Kilian 简洁论证的量子通信版本，适用于任何具有具有恒定误差和多对数局部性的量子 PCP 的语言。代入 PCP 定理，这可以在比经典要求弱得多的假设下为 NP 提供简洁的论证；此外，如果量子 PCP 猜想成立，这将扩展到 QMA。我们安全性证明的核心是一种用于提取量子信息的新型倒带技术。
利用神经网络量子态解决量子多体问题
第 3 章 量子蒙特卡罗....................................................................................................................................................................34 3.1 蒙特卡罗方法..................................................................................................................................................................................35 3.1.1 马尔可夫链蒙特卡罗采样..................................................................................................................................................................35 3.1.1.1 Metropolis-Hastings..................................................................................................................................................................35 3.1.1.1 Metropolis-Hastings.................................................................................................................................................................. 37 3.1.1.2 重要性抽样 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... . ... 66 3.3 扩散蒙特卡罗....................................................................................................................................................................................................68
具有噪声门的最佳量子态断层扫描
量子态断层扫描 (QST) 是量子处理器特性描述、验证和确认 (QCVV) 的重要工具。仅在少数理想化场景中，QST 的最优测量集才有解析结果。例如，在非退化测量设置中，QST 的最优最小测量算子集具有相互无偏的特征基。但是，在其他设置中，根据投影算子的秩和量子系统的大小，需要对高效 QST 的最优测量选择进行数值近似。我们通过引入定制高效 QST 框架来概括这个问题。在这里，我们扩展定制 QST，并在测量过程中应用的一些量子门有噪声的情况下寻找 QST 的最优测量集。为了实现这一点，我们使用了两种不同的噪声模型：首先是去极化通道，其次是单量子比特和双量子比特门的过度旋转和不足旋转（有关更多信息，请参阅方法）。通过将我们优化的 QST 测量集的重建保真度与仅使用乘积基的最先进的方案进行比较，我们证明了在实际噪声水平下使用纠缠门对两个量子比特的有效 QST 测量方案的好处。
用于量子化学的可扩展神经量子态架构
摘要 量子态神经网络表示的变分优化已成功应用于解决相互作用的费米子问题。尽管发展迅速，但在考虑大规模分子时仍存在重大的可扩展性挑战，这些分子对应于由数千甚至数百万个泡利算子组成的非局部相互作用的量子自旋哈密顿量。在这项工作中，我们引入了可扩展的并行化策略来改进基于神经网络的变分量子蒙特卡罗计算，以用于从头算量子化学应用。我们建立了 GPU 支持的局部能量并行性来计算潜在复杂分子哈密顿量的优化目标。使用自回归采样技术，我们展示了实现耦合簇所需的挂钟时间的系统改进，其中基线目标能量高达双激发。通过将所得自旋哈密顿量的结构纳入自回归采样顺序，性能得到进一步增强。与经典近似方法相比，该算法实现了令人鼓舞的性能，并且与现有的基于神经网络的方法相比，具有运行时间和可扩展性优势。
使用张量网络制备量子态制备
抽象的量子状态制备是许多量子算法中的重要常规，包括方程式线性系统，蒙特卡洛模拟，量子采样和机器学习的解决方案。迄今为止，还没有将经典数据编码为基于门的量子设备的既定框架。在这项工作中，我们提出了一种通过将分析函数采样到量子电路中获得的矢量的编码方法，该量子电路具有相对于量子数的多项式运行时，并且提供了> 99。9％的精度，比最先进的两个Quibit Gate Fidelity更好。我们采用硬件有效的变分量子电路，这些电路使用张量网络模拟，以及向量的矩阵乘积状态表示。为了调整变化门，我们利用了融合自动梯度计算的Riemannian优化。此外，我们提出了一种“一次切割，测量两次”方法，该方法使我们在大门更新期间避免了贫瘠的高原，将其基准为100 Qubit的电路。值得注意的是，任何具有低级别结构（不受分析功能的限制）的向量都可以使用呈现的方法编码。我们的方法可以轻松地在现代量子硬件上实现，并有助于使用混合量子计算体系结构。
用于量子态转移和最优空间搜索的离子阱长距离 XY 模型
量子信息处理需要能够相干且精确地控制和测量的量子比特 [1]。被电磁场捕获并保存在真空室中的原子离子线性链可以满足这些要求，并且已经成为一个令人兴奋且有前途的量子计算平台 [2-4]。量子比特可以在超精细基态或塞曼基态中编码，其中离子通过 Mølmer-Sørensen 方案受到自旋相关力 [5]。然后，虚拟声子在库仑力的作用下介导离子之间的自旋-自旋相互作用 [6]。这样，离子阱链成为自旋-自旋相互作用系统的量子模拟的天然平台 [7]。大量的研究兴趣集中在为量子模拟设计特定的哈密顿量 [8-12]。尤其独特的是 XY 自旋模型，它们的长程相互作用以 1 / r α 衰减，其中 α 是一个可调参数。该模型存在模型空间外的相干泄漏，特别是对于较小的 α 。在这里，我们展示了如何完全缓解这种相干误差，并提供了两个应用：最佳空间量子搜索和 O ( √