XiaoMi-AI文件搜索系统
World File Search System面世
HAMMER：利用错误结果的汉明行为提高噪声量子电路的保真度
具有数百个量子比特的量子计算机即将面世。不幸的是，高设备错误率对使用这些近期的量子系统为实际应用提供支持构成了重大挑战。在现有量子系统上执行程序会产生正确和错误的结果，但输出分布通常太嘈杂而无法区分它们。在本文中，我们表明错误结果不是任意的，而是在汉明空间中表示时表现出明确定义的结构。我们在 IBM 和 Google 量子计算机上的实验表明，最常见的错误结果在汉明空间中更有可能接近正确结果。我们利用这种行为来提高推断正确结果的能力。我们提出了汉明重构 (HAMMER)，这是一种后处理技术，它利用对汉明行为的观察来重建嘈杂的输出分布，从而使得到的分布具有更高的保真度。我们使用来自 Google 和 IBM 量子计算机的实验数据（这些计算机拥有 500 多个独特的量子电路）评估 HAMMER，并将解决方案质量平均提高了 1.37 倍。在 Google 公开的 QAOA 数据集上，我们表明 HAMMER 可以锐化成本函数景观上的梯度。
![arXiv:2006.14510v2 [quant-ph] 2020 年 8 月 6 日](/simg/6\6ec8d59193ac3ad16a14752df88c8fc5eb6267e9.webp)
arXiv:2006.14510v2 [quant-ph] 2020 年 8 月 6 日
金融服务业在资产管理、投资银行以及零售和公司银行等应用中出现了许多计算难题。量子计算有望彻底改变我们解决此类计算难题的方式。随着首批利用量子力学原理的噪声量子设备面世，量子计算在金融问题中的适用性以及在首批应用中展示量子优势是当前研究的活跃课题。在本报告中，我们介绍了量子计算以及理解这项新技术及其对金融服务业影响所必需的基础概念 [1]。我们从多个方向扩展了之前的总结 [2、3、4]：报告回顾了主要算法、它们带来的好处以及它们面临的技术挑战，以及如何从量子角度解决问题。它还强调了应用量子计算可能为金融机构带来的经济效益，包括改善运营、收入和质量。算法根据其解决的问题类型进行分类，并映射到它们可以应用的金融解决方案。它展示了使用量子计算算法的实际示例，解释了如何解决问题以及获得解决方案。总的来说，它是一本全面、实用的量子计算指南，以及它对金融问题的适用性
转变跨境支付路线图...
支付行业很少经历如此充满活力和创新的时代。新技术的出现激发了人们提高支付速度和安全性的努力，同时也降低了成本并扩大了金融服务的渠道。国内支付进展迅速，廉价而快速的数字支付解决方案已经面世，包括移动支付已获得关注的新兴市场。然而，跨境支付的进展并不那么令人印象深刻，新兴市场的问题更为严重，高成本不成比例地落在那些最无力承担的人身上。连接不同的国内支付环境的问题非常复杂，其中许多环境的架构差异很大，而且正在探索许多解决方案。支付和市场基础设施委员会在定义问题和制定应对措施方面做得非常出色。传统参与者正在对其服务进行重要改进，通过新框架提高速度和安全性，但仍有重大障碍需要克服，包括数据本地化。在传统支付领域之外，我们研究了创新者为开发新的支付基础设施所做的努力，这些基础设施可以避开现有行业面临的一些挑战。这不太可能是一场“赢家通吃”的斗争。支付系统的多样性将不断增加，从而产生竞争和差异。
Zanubrutinib 用于治疗患有华氏巨球蛋白血症的成年人
摘要 简介：布鲁顿酪氨酸激酶 (BTK) 抑制剂的开发显著改变了华氏巨球蛋白血症 (WM) 患者的治疗前景。伊布替尼是首个获得 FDA 批准用于治疗此病的 BTK 抑制剂，但近年来，其他更具选择性的 BTK 抑制剂也已面世。赞布替尼是最近获得 FDA 批准的治疗华氏巨球蛋白血症的药物，在血液学反应方面已证明疗效相当，但与其他 BTK 抑制剂相比，副作用有所改善。 涵盖领域：在这篇综述中，我们重点介绍了为赞布替尼在华氏巨球蛋白血症中的应用奠定基础的关键研究，包括目前可用的 BTK 抑制剂的前瞻性临床试验的安全性和有效性数据。 专家意见：BTK 抑制剂对华氏巨球蛋白血症非常有效，总体反应率高于 90%。这些药物的副作用是可控的，但确实存在心房颤动、感染和出血的风险。较新的 BTK 抑制剂，例如阿卡替尼和赞布替尼，已知脱靶效应较少，是潜在的治疗选择。根据个体患者的偏好、合并症和分子特征，应将 BTK 抑制剂视为初治和既往治疗过疾病的治疗选择。
转变跨境支付路线图...
支付行业很少经历如此充满活力和创新的时代。新技术的出现激发了人们提高支付速度和安全性的努力，同时也降低了成本并扩大了金融服务的渠道。国内支付进展迅速，廉价而快速的数字支付解决方案已经面世，包括移动支付已获得关注的新兴市场。然而，跨境支付的进展并不那么令人印象深刻，新兴市场的问题更为严重，高成本不成比例地落在那些最无力承担的人身上。连接不同的国内支付环境的问题非常复杂，其中许多环境的架构差异很大，而且正在探索许多解决方案。支付和市场基础设施委员会在定义问题和制定应对措施方面做得非常出色。传统参与者正在对其服务进行重要改进，通过新框架提高速度和安全性，但仍有重大障碍需要克服，包括数据本地化。在传统支付领域之外，我们研究了创新者为开发新的支付基础设施所做的努力，这些基础设施可以避开现有行业面临的一些挑战。这不太可能是一场“赢家通吃”的斗争。支付系统的多样性将不断增加，从而产生竞争和差异。
2024 年 4 月 26 日 BluGlass 改进了新型 GaN DFB 激光器的性能，以适应量子应用
量子信息科学正在迅速发展，迫切需要紧凑型单波长（单频）激光光源。受激光与原子尺度上的独特材料的相互作用推动了量子计算和量子应用的进步，需要特定波长来针对单个原子相互作用。自然物理学决定了与特定原子、晶体和环境相互作用所需的独特波长。许多这些所需波长都在近紫外 (UVA) 和可见光谱中。由于其独特的激光特性，氮化镓 (GaN) 激光器非常适合解决这些自然界规定的 UVA 和可见波长。新兴量子市场为可见激光二极管制造商（如 BluGlass）提供了巨大的机会，因为许多实现原子跃迁的波长都发生在可见波长，并且在包括先进机器人和生物医疗设备在内的极具前景的应用中越来越受到客户的追捧。脑驱动的假肢自动化和用于军事和商业应用的量子导航原子钟就是这种下一代技术的很好例子。麦肯锡公司在其 2021 年量子报告中指出：“量子计算是我们这个时代最具革命性的技术之一，距离广泛的商业应用还有十年的时间。然而，鲜为人知但具有关键工业和科学意义的两项相关技术将更早面世：量子传感 (QS) 和量子通信 (QComm)。
时间敏感网络是否适合航天器行业要求
我首先要由衷感谢我的论文指导老师克莱尔·帕吉蒂 (Claire Pagetti) 讲师，没有她，这项工作就不可能完成。您在技术上和道义上的坚定支持使我度过了这次考验。这篇论文确实既是一项令人难以置信的技术工作，也是一项道德挑战。我会长久地记得我们之间的交流，我总是告诉你“你又一次说对了”，而你只是回答“这是经验”。谢谢你，克莱尔。我还要由衷感谢我的联合论文指导老师、讲师马克·博耶 (Marc Boyer)。您在工业嵌入式网络方面的经验以及您对该领域本地和国际社会的了解对我的工作相关性和成功起着重要作用。感谢您向空中客车公司提出初始主题，才使得这篇论文得以面世。我会特别记得我们周一下午的长时间讨论，有时有些哲学性，有时更具技术性，以更普遍地理解 TSN 标准或网络。我很高兴与您合作，并期待在论文完成后继续我们的合作。谢谢你，马克。最后，我要热烈感谢我的工业界联合总监 Franck Wartel。我们是在2018年春夏我的最后一次实习期间认识的。实习结束后，我们决定继续一起工作，而你同意指导我的工作。您一直是我的导师，与我分享您的技术知识和商业世界的知识。我们在工作中、在商务旅行中的默契合作让我感动不已。谢谢你，弗兰克。
5G 和 6G 网络之后的电信商业模式
每十年都会出现新一代无线网络，每代网络都有自己的一套标准和功能。20 世纪 80 年代末，2G 被引入用于语音电话服务，从主要的无线电话企业客户转向大众市场。2000 年推出 3G。它将高速移动连接与基于 IP 的应用程序、多媒体和增值服务相结合，除了以语音为中心的功能外，还增加了以数据为中心的功能，同时保持了全球漫游能力。再加上设备市场上的 iPhone 革命，这导致新的数据服务出现，以弥补语音使用量的减少。2000 年代后期，4G 作为全 IP 网络技术推出，旨在提供宽带连接、多媒体、电话和数据服务，以及提高频谱效率，从低速互联网移动接入转向高速互联网移动接入。然而，这更多地引发了 MNO 之间的竞争，而不是增加收入。 2019 年，5G 以完全虚拟化、软件化、符合 IMT-2020 标准的技术面世。从商业角度来看，这让依靠定制网络功能的新市场产品成为可能，并为宽带用户提供新的 BM [8]。预计到 2030 年，6G 将成为一个以用户和数据为中心的智能网络，结合不同的接入技术。它应该提供无处不在的无线智能，并解锁新的服务和用例 [11]。这将需要跨领域重新思考网络资源的开发，并允许新角色进入生态系统以提供 6G 服务 [12]。
评估在家庭 SMR 神经反馈训练环境中调节脑信号的能力
基于脑电图 (EEG) 的神经反馈 (NF) 主要用于临床治疗干预或优化健康个体的表现。家庭 NF 系统已经面世，可能有助于普遍获得 NF 训练，尤其是在需要重复训练时。然而，在家进行 NF 训练是否可行仍是一个悬而未决的问题，除非进行远程监控。在本研究中，我们评估了健康个体在使用家庭 NF 训练系统时调节自身 EEG 活动的能力，其方式与参与者购买市售 NF 系统的方式类似。参与者与实验者的面对面接触减少到最低限度，仅以书面信息或视频的形式提供说明。最初，38 名参与者进行了 9 次基于感觉运动节律 (SMR) (12-15 Hz) 的 NF 训练（三次泛化训练，六次训练）。一个主动对照组 (n = 19) 接受了随机 EEG 频率的反馈。由于技术问题、EEG 数据质量差或不遵守规定，21 名参与者不得不被排除在最终数据分析之外，这为无监督家庭 NF 训练的困难提供了第一手证据。在这项研究中，参与者在 NF 训练期间无法将自己的大脑活动调节到所需的方向。我们的结果表明，与 NF 专家的个人互动可能很重要，并且远程监督训练数据和与 NF 用户更直接的沟通对于成功进行 NF 训练是必不可少的。我们为家庭 NF 系统的开发和实施提供了建议。
用于量子计算的开源模块化框架
1. 简介 量子计算是一种利用量子现象进行计算的新范式。目前，有噪声中型量子 (NISQ) 计算机 [1] 已经面世，再加上量子计算霸权方面的最新进展 [2, 3]，人们对这些设备的兴趣日益浓厚，因为它们可以比传统机器更快地执行计算任务。在许多近期应用 [4, 5] 中，量子机器学习 (QML) [6, 7] 领域被认为是利用 NISQ 计算机的一种有前途的方法，包括应用于高能物理 [8, 9] 等不断发展的研究领域。如今，量子处理单元 (QPU) 基于两种主要方法。第一种方法基于量子电路和基于量子逻辑门的模型处理器，最流行的实现者是 Google [10]、IBM [11]、Rigetti [12] 或英特尔 [13]。第二种方法采用退火量子处理器，例如 D-Wave [14, 15] 等。这些设备的开发和量子优势的实现 [16] 表明，未来几年将发生计算技术革命。然而，在 QPU 技术发展的同时，我们仍然必须对量子计算进行经典模拟，这一直是量子研究的基石，以阐述新的算法和应用。从理论角度来看，它是测试和开发量子算法的基本工具，而从实验角度来看，它为基准和错误模拟提供了平台。基于电路的量子计算机可以使用薛定谔或费曼方法进行经典模拟 [17, 18]。前者基于跟踪完整量子态并通过专门的矩阵乘法程序应用门。后者受到费曼路径积分的启发，可用于通过对不同历史（路径）求和来计算最终状态的振幅。薛定谔的方法是内存密集型的，因为它需要存储完整的