XiaoMi-AI文件搜索系统
World File Search System错误率
基于工厂的编码一个逻辑量子位的量子极性码的容错准备
最近提出了一种容错方法来准备 Q 1 码的逻辑码态，即编码一个量子比特的量子极性码。其中的容错性由错误检测装置保证，如果在准备过程中检测到错误，则完全丢弃准备。由于错误检测，准备是概率性的，其成功率（称为准备率）随代码长度的增加而迅速下降，从而阻止了大代码长度的代码状态的准备。在本文中，为了提高准备率，我们考虑工厂准备 Q 1 码态，其中尝试并行准备多个 Q 1 码态副本。使用额外的调度步骤，我们可以避免每次检测到错误时完全丢弃准备，从而反过来提高准备率。我们进一步提供了一种理论方法来估计使用工厂准备准备的 Q 1 码的准备和逻辑错误率，该方法被证明与基于蒙特卡洛模拟的数值结果紧密相关。因此，我们的理论方法可用于为大代码长度提供估计，而蒙特卡罗模拟实际上并不可行。对于电路级去极化噪声模型，我们的数值结果表明准备率显著增加，特别是对于较大的代码长度 N 。例如，对于 N = 256 ，对于实际有趣的物理错误率 p = 10 − 3 ，它从 0.02% 增加到 27%。值得注意的是，N = 256 的 Q 1 码在 p = 10 − 3 和 p = 3 × 10 − 4 时分别实现了大约 10 − 11 和 10 − 15 的逻辑错误率。与具有相似代码长度和最小距离的表面码相比，这相当于提高了大约三个数量级，从而表明所提出的方案用于大规模容错量子计算的前景。
身份和想象行动的统一框架...
摘要 — 我们提出了一个统一的深度学习框架，用于基于脑电图 (EEG) 信号识别用户身份和识别想象动作，以用作脑机接口。我们的解决方案利用一种新颖的移位子采样预处理步骤作为数据增强的形式，并使用矩阵表示来编码多电极 EEG 信号固有的局部空间关系。然后将生成的类似图像的数据输入到卷积神经网络以处理局部空间依赖性，并最终通过双向长短期记忆模块进行分析以关注时间关系。我们的解决方案与最先进的几种方法进行了比较，在不同任务上表现出相当或更优异的性能。具体而言，我们在动作和用户分类任务中都实现了 90% 以上的准确率。在用户识别方面，在已知用户和手势的情况下，我们的等错误率达到 0.39%，在更具挑战性的未知用户和手势的情况下，我们的等错误率达到 6.16%。我们还进行了初步实验，以便将未来的工作引导到依赖于一组精简的 EEG 电极的日常应用。
预测量子计算的时间表
我们考虑如何预测量子计算领域的进展。为此，我们收集了迄今为止的量子计算机系统数据集，根据其物理量子比特和门错误率进行评分，并定义了一个结合这两个指标的指标，即广义逻辑量子比特。我们研究了物理量子比特和门错误率之间的关系，并初步得出结论，它们是正相关的（尽管有一些疑问），表明发展前沿在它们之间进行权衡。我们还对指标应用了对数线性回归，以提供可以预期的进展的初步上限。在我们模型的（总体上乐观的）假设范围内，包括量子比特数和门保真度将继续呈指数级增长这一关键假设，我们估计基于超导技术的概念验证容错计算不太可能（置信度 < 5%）在 2026 年之前出现，能够分解 RSA-2048 的量子设备不太可能（置信度 < 5%）在 2039 年之前出现。当然，这些里程碑实际上可能会更早实现，但这需要比迄今为止更快的进展。
GIMIS：通过运动想象选择进行凝视输入
在 Fitts 定律实验中，开发了一种混合凝视和脑机接口 (BCI) 来完成目标选择。该方法 GIMIS 使用凝视输入来控制计算机光标以指向目标，并通过 BCI 使用运动意象 (MI) 执行点击以选择目标。一项实验 (n = 15) 比较了三种运动意象选择方法：仅使用左手、使用腿以及使用左手或腿。后一种选择方法（“任一”）具有最高的吞吐量（0.59 bps）、最快的选择时间（2650 毫秒）和 14.6% 的错误率。随着目标宽度的增加，瞳孔大小显著增加。我们建议使用大目标，这显著降低了错误率，并使用“任一”选项进行 BCI 选择，这显著提高了吞吐量。与停留时间选择相比，BCI 选择速度较慢，但如果凝视控制正在恶化，例如在 ALS 疾病的晚期阶段，GIMIS 可能是一种逐步引入 BCI 的方法。
应用K-Nearest邻居机器学习算法用于预先销售畅销产品Muhtajuddin Danny 1*，Asep Muhidin 2，AK
摘要在商业界越来越激烈的竞争发展，并伴随着信息技术的进步，使零售公司陷入了更严格，更开放的竞争状况。PT LG Innotek印度尼西亚是唯一在印度尼西亚生产调谐器的公司。查看消费者需求，PT LG Innotek必须提高产品质量，并添加消费者喜欢和经常购买的产品。因此，PT LG Innotek Indonesia需要进行分析，以帮助公司识别倾向于销售良好的产品。可以通过应用机器学习算法（尤其是K-Neartible最邻居方法）进行此分析。这项研究的目的是找出KNN算法在预测销量良好且在印度尼西亚PT LG Innotek销售不佳的产品方面的表现。基于分析结果，预测结果的精度水平为94.74％，错误率为5.26％。具有高度的准确性和较低的错误率，可以得出结论，K-Near-Neigral方法有效地用于预测PT LG Innotek Indonesia最佳销售产品的销售。
认知工作量评估方法 OCHMO-TB-032 ...
执行摘要 认知工作量是用户感知到的心理努力水平，受许多因素影响，特别是任务负荷和任务设计。工作量测量可以标准化评估任务的时间、空间、认知、感知和物理方面以及这些任务的机组人员界面是否设计和实施为相互支持。将机组人员界面和任务设计的工作量测量与其他性能指标（如可用性和设计引起的错误率）结合使用，有助于确保机组人员安全、成功和高效地操作系统。设计师在设计和制作界面或设计任务时需要考虑用户的工作量。工作量低与无聊和对任务的注意力下降有关，而工作量高与错误率增加和注意力缩小有关，可能会损害其他信息或任务（Sheridan，2002 年）。当人类既不无聊也不负担过重，并且工作和休息时间合理搭配时，他们的表现会最好。应在工程设计生命周期的早期和经常阶段整合工作量评估，以便从数据驱动的角度做出相关设计决策，并确保机组人员的安全和绩效。
量子容错阈值的光学演示
摘要 实际量子计算面临的一个主要挑战是量子系统与环境相互作用所导致的无法避免的错误。容错方案中，逻辑量子位由几个物理量子位编码，能够在出现错误的情况下输出更高概率的正确逻辑量子位。然而，对量子位和算子编码的严格要求使得实现完全容错计算即使对于可实现的嘈杂中型量子技术来说也是一项挑战。特别是容错计算的阈值仍然缺乏实验验证。在这里，我们基于全光学装置，通过实验证明了容错协议阈值的存在。四个物理量子位表示为两个纠缠光子的空间模式，用于编码两个逻辑量子位。实验结果清楚地表明，当错误率低于阈值时，由容错门组成的电路中正确输出的概率高于相应的非编码电路。相反，当错误率高于阈值时，容错实现没有优势。开发的高精度光学系统可以为研究具有容错门的更复杂电路中的错误传播提供可靠的平台。
已发表版本的引文/已发表版本的引文 (APA)：Wang, L.、Wang, D.、Gao, H.、Guo, Y.、Hong, Y. 和 Shore, A. (2020)。实时
摘要 — 我们通过实验证明了使用通常由具有色散反馈的激光器驱动的同步混沌激光器实时生成高速相关随机比特。来自啁啾光纤布拉格光栅的色散反馈会引起频率相关的反馈延迟，从而不再引起时间延迟特征，从而确保混沌激光器的信号随机性和安全性。在没有时间延迟特征的混沌信号的驱动下，两个响应激光器被路由到混沌状态并建立同步，相关性大于 0.97，同时它们与驱动信号保持较低的相关水平。通过使用一位差分比较器对同步激光混沌进行量化，通过实验获得了具有已验证随机性的实时 2.5 Gb/s 相关随机比特，比特误码率为 0.07。结合鲁棒采样方法，BER 可以进一步降低到 1×10 −4，对应的有效生成速率为 1.7 Gb/s。比特错误分析表明，由于响应相对于驱动的同步优势，在很宽的参数区域内，响应之间的比特错误率低于驱动与响应之间的比特错误率。
Clifford 变形表面代码 - Knowledge UChicago
对于有偏 Pauli 噪声，Kitaev 表面码的各种实现都表现得出奇的好。受这些潜在收益的吸引，我们研究了通过应用单量子比特 Clifferd 算子从表面码中获得的 Clifferd 变形表面码 (CDSC) 的性能。我们首先分析 3 × 3 方格上的 CDSC，发现根据噪声偏差，它们的逻辑错误率可能会相差几个数量级。为了解释观察到的行为，我们引入了有效距离 d ′ ，它可以缩短为无偏噪声的标准距离。为了研究热力学极限下的 CDSC 性能，我们专注于随机 CDSC。利用量子码的统计力学映射，我们发现了一个相图，该相图描述了在无限偏差下具有 50% 阈值的随机 CDSC 家族。在高阈值区域，我们进一步证明，典型代码实现在有限偏差下优于最著名的平移不变代码的阈值和亚阈值逻辑错误率。我们通过构建属于高性能随机 CDSC 系列的平移不变 CDSC 来证明这些随机 CDSC 系列的实际相关性。我们还表明，我们的平移不变 CDSC 优于众所周知的平移不变 CDSC，例如 XZZX 和 XY 代码。