XiaoMi-AI文件搜索系统
World File Search System长程
多带 CsV3Sb5- 中的可调谐涡旋束缚态......
涡旋和束缚态是理解超导体电子特性的有效方法。最近，在新发现的 kagome 超导体 CsV3Sb5 中观察到了表面相关的涡旋核心态。虽然尖锐的零能量电导峰的空间分布看起来与来自超导狄拉克表面态的马约拉纳束缚态相似，但其起源仍然难以捉摸。在本研究中，我们利用低温扫描隧道显微镜/光谱法对两种化学掺杂的 kagome 超导体 Cs(V1xTrx)3Sb5 (Tr=Ta 或 Ti) 中的可调涡旋束缚态 (VBS) 进行了观测。与原始的 CsV3Sb5 相反，CsV3Sb5 衍生的 kagome 超导体表现出全间隙配对超导性，同时没有长程电荷序。零能量电导图表明涡旋晶格发生了场驱动的连续重新取向转变，表明存在多带超导性。Ta掺杂的CsV3Sb5表现出Caroli-de Gennes-Matricon束缚态的常规十字形空间演化，而Ti掺杂的CsV3Sb5表现出尖锐的、非分裂的零偏压电导峰（ZBCP），该峰在涡旋的长距离上持续存在。非分裂ZBCP的空间演化对表面效应和外部磁场具有鲁棒性，但与掺杂浓度有关。我们的研究揭示了多带化学掺杂CsV3Sb5系统中可调谐的VBS，并为先前报道的kagome超导体表面非量子极限条件下的Y形ZBCP提供了新的见解。2024年中国科学出版社。由爱思唯尔和中国科学出版社出版。版权所有。
超冷分子的量子态操控和冷却
在过去的二十年里，冷分子研究从一个新兴领域发展成为一股强大的科学潮流，拓展了物理科学的视野 1 – 3 。科学界目前正在见证从早期的抱负到有影响力的科学成果和新兴技术的转变。从冷却分子到未探索的低能状态的开创性想法 4 , 5 为更成熟的目标驱动分子量子态控制追求开辟了道路 6 。化学相互作用的研究越来越详细，包括单个反应途径和共振 7 – 9 。分子复杂性已成为展示复杂量子控制和探索新兴现象的一个特征 10 – 15 。通过使用外部场操纵分子来实现具有长程、各向异性相互作用的可调多体哈密顿量的几种想法已经扩展了量子模拟的前景 16 – 20 。具有延长相干时间的分子现在设定了更严格的限制，为量子传感以及探索基本对称性和标准模型以外的新物理开辟了新天地 21 – 23 。此外，对复杂分子的越来越精确的控制恰好符合量子信息的新兴主题，它建立在微观量子系统的高保真操纵之上 24 – 27 。鉴于分子在广泛的物理过程中发挥的核心作用，冷分子领域的进展正在将来自不同学科的科学家聚集在一起。粒子物理学家对使用分子来寻找逃避粒子和场很感兴趣。凝聚态物理学家正在构建量子材料
物理报告量子的非平衡动力学...
近十年来，原子、分子和光学平台的实验进展激发了人们对许多长程相互作用粒子的量子相干动力学的广泛兴趣。这些系统突出的集体特性使得新的非平衡现象成为可能，而这些现象在具有局域相互作用的传统量子系统中是没有的。该领域的许多理论工作要么集中于可变范围相互作用尾部对局域相互作用物理的影响，要么依赖于基于全对全无限范围相互作用的相反极限的平均场类描述。在本报告中，我们系统而有机地回顾了该领域的最新进展。使用典型的无无序相互作用量子自旋晶格，我们的报告取决于一种多功能的理论形式，它介于少体平均场物理和准局域相互作用的多体物理之间。这种形式使我们能够将这两种机制联系起来，既提供了正式的定量工具，也提供了基本的物理直觉。我们利用这个统一的框架来回顾过去十年的几项发现，包括量子关联的特殊非弹道扩散、纠缠动力学的反直觉减速、热化和平衡的抑制、穿越临界状态时缺陷的异常缩放、动态相变以及通过周期性驱动稳定的真正非平衡相。本报告的风格属于教学方面，这使得没有相关经验的读者也可以理解。© 2024 作者。由 Elsevier BV 出版 这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
根据 EEG 和 FNIRS 信号进行静息状态脑连接分析
摘要。当代神经科学高度关注机器学习和网络分析的协同使用。事实上，网络神经科学分析大量利用了聚类指标和统计工具。在这种情况下，功能性近红外光谱 (fNIRS) 和脑电图 (EEG) 的综合分析提供了有关大脑电和血流动力学活动的互补信息。证据支持神经血管耦合介导大脑处理的机制。然而，人们对这些技术如何表示特定的神经活动模式还不太了解。在这里，我们使用源空间分析和图论方法，研究了同步 EEG 和 fNIRS 连接组之间、跨频带的静息状态大脑功能网络的拓扑特性。我们观察到，在全局级别分析中，两种模态的小世界拓扑网络特征。边缘分析指出，与 EEG 相比，氧合血红蛋白的半球间连接性增强，且各个频带没有差异。我们的结果表明，从 fNIRS 中提取的图形特征可以反映神经活动的短程和长程组织，并且能够表征静息状态下的大规模网络。需要进一步开发两种模态的综合分析，以充分利用每种模态的附加值。然而，本研究强调，可以采用多模态源空间分析方法来研究健康静息状态下的大脑功能，从而为未来在任务和病理学中的工作奠定基础，并有可能获得神经系统疾病的新型综合生物标志物。
Dicke 模型的多离子模拟器的验证...
简介。— 具有可控耦合自旋和玻色子自由度 (d.o.f.) 的量子多体系统正在成为实现具有易于调整参数的量子模拟器的强大平台。例如，这些包括腔 QED (CQED) 系统 [1 – 8] 和捕获离子阵列 [9,10] 。大多数情况下，这些系统在远失谐状态下运行，其中玻色子在多体动力学中不发挥积极作用，而是用于介导粒子之间的自旋-自旋耦合。在这种有效的自旋模型领域取得了巨大进展，包括有和没有外部横向场的长程伊辛模型的实现，以及对丰富物理的探索，如纠缠动力学[1,2,11 – 17]、多体局域化[18]、时间晶体[19]和动态相变[20,21]。另一方面，除了少数粒子实现[22 – 30]外，玻色子自由度积极参与多体动力学的领域仍然很大程度上未被探索。在这项工作中，我们专注于这一领域，并报告了在自组装二维（2D）离子晶体中实现 Dicke 模型的模拟器，该模型是腔 QED 中的标志性模型，描述了（大）自旋和振荡器的耦合。Dicke 模型受到广泛关注，因为它展现了丰富的物理特性，包括量子相变和非遍历行为 [31] 。最近，由于密切相关的 Tavis-Cummings 模型在电路 QED [32] 中的实现以及在冷玻色子原子的 CQED 实验中的实现 [6 – 8,33,34] ，该模型重新引起了人们的关注。在
使用 transformers 进行无监督脑成像 3D 异常检测和分割
病理性脑外观可能非常多样化，以至于只能理解为异常，这些异常由其与正常的偏差而不是任何特定的病理特征集来定义。在医学成像中最困难的任务之一中，检测此类异常需要正常脑模型，该模型将紧凑性与表征其结构组织的复杂、长程相互作用的表达性相结合。这些要求是 Transformer 比其他当前候选架构更有潜力满足的，但它们的应用受到对数据和计算资源的需求的限制。在这里，我们将矢量量化变分自动编码器的潜在表示与一组自回归 Transformer 相结合，以实现无监督异常检测和分割，这些异常由与健康脑成像数据的偏差定义，在相对适中的数据范围内以较低的计算成本实现。我们在一系列涉及合成和真实病理病变的 2D 和 3D 数据的实验中将我们的方法与当前最先进的方法进行了比较。在真实病变中，我们利用来自英国生物库的 15,000 名放射学正常参与者训练我们的模型，并在四种不同的脑 MR 数据集上评估其性能，这些数据集包括小血管疾病、脱髓鞘病变和肿瘤。我们展示了卓越的异常检测性能，无论是图像方面还是像素/体素方面，都无需后处理即可实现。这些结果引起了人们对 transformers 在这项最具挑战性的成像任务中的潜力的关注。© 2022 作者。由 Elsevier BV 出版 这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）
生物质中的石墨烯和类石墨烯结构用于电化学储能应用-综述
改性石墨烯因其成本效益和机械和电稳定性而得到广泛认可。此外，就石墨烯复合材料的最终产品的稳定性而言，即使在极端条件下，模板也能通过阻止纳米金属从表面移动来稳定催化剂的活性位点。[2,8] 这种材料的其他特性包括重量轻、对任何气体完全不渗透、对高电流密度的极端可持续性（比铜好一百万倍）以及由于结构的长程π共轭而易于化学功能化。理论上，这种共轭的、原子级厚度的六边形堆积结构呈现出 550 Fg −1 的电双层 (EDL) 电容。它们确实提供了很高的比电容，达到 268 F/g，高于活性炭提供的比电容（210 F/g）。 [ 9 ] 石墨烯的蜂窝结构也是构建其他碳同素异形体的基本块。例如，当蜂窝结构堆叠时，它就是石墨。一维纳米管是蜂窝结构的卷绕结构，而零维富勒烯是它的包裹结构。石墨烯的应用非常广泛，例如用于高频晶体管、发光二极管、储能应用、超灵敏测量设备、太阳能电池、燃料电池、废水处理等。石墨烯是下一代纳米电子设备非常有希望的候选材料。[ 10,11,12 ] 与检测光谱宽度有限的半导体不同，石墨烯提供了宽光谱范围和高工作带宽，因此使其适合高速数据通信。由于石墨烯是一种惰性物质，因此可以用作防止水和氧气扩散的腐蚀屏障。石墨烯可以直接在任何金属上生长，这为石墨烯的应用提供了巨大的帮助。[ 9 ]
MuBiNN：用于脑电信号分类的多层二值化循环神经网络
监测人脑活动对于了解大脑功能、预防精神疾病和改善生活质量具有巨大潜力。为此，EEG 系统必须从当今临床实践中经常使用的有线、固定和笨重的系统转变为提供高信号质量的智能可穿戴、无线和舒适的生活方式解决方案。可穿戴设备上的连续监测要求自动 EEG 分类算法既准确又轻量。这是我们在本文中的主要关注点。请注意，可穿戴设备的处理器很小且有限，与台式机和服务器处理器相比要慢得多。许多以前的算法都是基于经典信号处理技术 [1][2]。由于 EEG 信号特征在不同情况下和不同人之间存在显著差异，因此此类算法中使用的固定特征不足以准确区分所有人的不同类型的疾病。为了自动提取特征并提高脑信号分类准确性，最近提出了基于深度学习的算法，包括深度卷积神经网络 (CNN) 和循环神经网络 (RNN) [3][4]。用于序列学习的最流行和最有效的 RNN 模型之一是长短期记忆 (LSTM) [5]。LSTM 旨在对长程依赖关系进行建模，而 RNN 的记忆备份起着重要作用，因此它们比传统的 RNN 更准确、更有效。本文重点介绍基于 LSTM 循环神经网络的 EEG 分类算法。所提出的方法采用 RNN，因为 EEG 波形自然适合用这种类型的神经网络进行处理。与其他类型的神经网络相比，RNN 可以更有效地捕获序列数据中的时间依赖关系。然而，高分类准确率的代价是
芯片级灾难性错误的分布式量子纠错
引言。对外部噪声的极端敏感性是构建和操作大规模量子装置的主要障碍之一。量子误差校正（QEC）通过在更大的空间中编码量子信息来解决这一问题，以便可以检测和纠正错误（例如，参见参考文献 [1]（第 10 章）和参考文献 [2]）。现有的 QEC 方案主要关注局部和不相关的错误（或具有有限范围相关的错误），例如参见 [3,4]。然而，例如由于与玻色子浴的耦合 [5 – 7] ，长程关联会对 QEC 的性能产生负面影响 [8,9] 。最近有研究表明，宇宙射线事件 (CRE) 会在超导量子比特中引起灾难性的关联误差 [10 – 13]。高能射线撞击后，会产生声子并在基底中扩散。这些声子随后在超导材料中形成准粒子，进而引起量子比特衰变 [12] 。尽管这些事件很少见，但它们的影响却是毁灭性的，因为它们会导致芯片中所有量子比特发生快速相关弛豫（ T 1 误差），从而基本上擦除编码的量子信息 [12] ，这对于可能需要数小时的长时间计算任务尤其有害 [14] 。此外，CRE 的不利影响不仅限于超导量子比特。半导体自旋量子比特 [15] 和基于马约拉纳费米子的量子比特 [16,17] 也分别受到由 CRE 引起的电荷噪声和准粒子中毒的影响。一种针对系统减少 CRE 影响的方法是改变设备的设计，例如，引入声子和准粒子陷阱 [18 – 20] 并增强设备中的声子弛豫 [17] 。在本信中，我们采用不同的方法，使用分布式纠错方案来检测和纠正
![arXiv:2408.07115v1 [quant-ph] 2024 年 8 月 13 日](/simg/a\a416435f399d05cab4741eea867dac5b50011fbc.webp)
arXiv:2408.07115v1 [quant-ph] 2024 年 8 月 13 日
量子态断层扫描 (QST) 仍然是量子计算机和量子模拟器的基准测试和验证的黄金标准。由于通用量子多体状态中的参数数量呈指数级增长，实验量子设备的当前规模已经使直接量子态断层扫描变得难以实现。然而，大多数物理量子态都是结构化的，通常可以用少得多的参数来表示，这使得高效的 QST 成为可能。一个突出的例子是矩阵乘积状态 (MPS) 或矩阵乘积密度算子 (MPDO)，矩阵维度较小，据信它代表了一维 (1D) 量子设备生成的大多数物理状态。我们研究是否可以仅使用量子比特数多项式的状态副本数来恢复一般的 MPS/MPDO 状态，并且误差有界，这对于高效的 QST 是必要的。为了使这个问题在实践中变得有趣，我们假设只对目标状态上的量子比特进行局部测量。通过使用只需要单一测量设置的局部对称信息完备正算子值测量（SIC-POVM），我们对各种常见的多体量子态，包括典型的短程纠缠态、随机 MPS/MPDO 态和一维哈密顿量的热态，给出了上述问题的肯定答案。此外，我们还对某些长程纠缠态（如一族广义 GHZ 态）给出了肯定的否定答案，但已知具有实值波函数的目标态除外。我们的答案得到了 Cramer-Rao 界限的有效计算与使用机器学习辅助最大似然估计（MLE）算法的数值优化结果之间近乎完美的一致性的支持。该一致性还导致了使用局部 SIC-POVM 的最佳 QST 协议，该协议可以在当前的量子硬件上实际实现，并且对大多数一维物理状态都非常高效。我们的结果还表明，即使长距离纠缠量子态能够被有效表示，通常也无法有效恢复。