XiaoMi-AI文件搜索系统
World File Search SystemAaronson
家庭心脏谈话沟通工具在改善家庭成员扩张型心肌病筛查方面的有效性：一项随机试验的结果
Daniel D. Kinnamon ，博士*；Elizabeth Jordan ，硕士*；Garrie J. Haas，医学博士；Mark Hofmeyer，医学博士；Evan Kransdorf，医学博士、博士；Gregory A. Ewald，医学博士；Alanna A. Morris，医学博士、理学硕士；Anjali Owens，医学博士；Brian Lowes，医学博士、博士；Douglas Stoller，医学博士、博士；WH Wilson Tang，医学博士；Sonia Garg，医学博士；Barry H. Trachtenberg，医学博士；Palak Shah，医学博士、理学硕士；Salpy V. Pamboukian，医学博士；Nancy K. Sweitzer，医学博士、博士；Matthew T. Wheeler，医学博士、博士；Jane E. Wilcox，医学博士；Stuart Katz，医学博士；Stephen Pan，医学博士、理学硕士；Javier Jimenez，医学博士、博士；Keith D. Aaronson，医学博士； Daniel P. Fishbein 医学博士；Frank Smart 医学博士；Jessica Wang 医学博士；Stephen S. Gottlieb 医学博士；Daniel P. Judge 医学博士；Charles K. Moore 医学博士；Jonathan O. Mead 理学学士；Gordon S. Huggins 医学博士；Hanyu Ni 博士、公共卫生硕士；Wylie Burke 医学博士、哲学博士；Ray E. Hershberger 医学博士；DCM 联盟的 DCM 精准医学研究
三种量子货币方案的密码分析
我们研究了三种公钥量子货币方案背后的安全假设。2012 年，Aaronson 和 Christiano 提出了一种基于向量空间 F n 2 的隐藏子空间的方案。2015 年，Pena 等人推测该方案背后的难题可以在准多项式时间内解决。我们通过给出底层问题的多项式时间量子算法来证实这一猜想。我们的算法基于计算隐藏子空间中随机点的 Zariski 切线空间。2017 年，Zhandry 提出了一种基于多元哈希函数的方案。我们给出了一种多项式时间量子算法，用于以高概率克隆货币状态。我们的算法使用该方案的验证电路根据给定的序列号生成钞票。2018 年，Kane 提出了一种基于模形式的方案。Kane 方案中背后的难题是克隆一个表示一组 Hecke 算子的特征向量的量子态。我们给出了一个多项式时间量子化方法，将这个难题简化为线性代数问题。后者更容易理解，我们希望我们的简化方法能为未来对该方案的密码分析开辟新的途径。
使用模板和符号泡利门进行 Clifford 电路优化
Clifferd 群是由 Hadamard 门、cnot 门和 Phase 门生成的酉群的有限子群。该群在量子纠错、随机基准测试协议和纠缠研究中起着重要作用。这里，我们考虑寻找实现给定 Clifferd 群元素的短量子电路的问题。我们的方法旨在最小化假设全到全量子比特连接的纠缠门数。首先，我们考虑基于模板匹配的电路优化，并设计 Clifferd 特定的模板，利用分解 Pauli 门和交换门的能力。其次，我们引入一种符号窥孔优化方法。它的工作原理是将整个电路投影到一小部分量子比特上，然后通过动态规划以最佳方式重新编译投影的子电路。将选定的量子比特子集与剩余量子比特耦合的 cnot 门用符号 Pauli 门表示。通过软件实现这些方法，可以找到距离 6 量子比特最优仅 0.2% 的电路；与 Aaronson–Gottesman 标准形式相比，最多 64 量子比特的电路中的两量子比特门数量平均减少了 64.7% [ 3 ]。
隐陪集及其在不可克隆密码学中的应用
量子力学的不可克隆原理断言量子信息不能被一般复制。这一原理对量子密码学有着深远的影响，因为它从根本上限制了恶意方可以实施的策略。其中一个影响是，量子信息可以实现经典加密无法实现的加密任务，最著名的例子就是信息论安全的密钥分发 [BB84]。除此之外，不可克隆原理还开辟了一条令人兴奋的途径来实现具有某种不可克隆性的加密任务，例如量子货币 [Wie83、AC12、FGH+12、Zha19a、Kan18]、用于数字签名的量子令牌 [BS16]、程序的复制保护 [Aar09、ALL+20、CMP20]，以及最近的不可克隆加密 [Got02、BL19] 和解密 [GZ20]。在这项工作中，我们重新审视了 Aaronson 和 Christiano 提出的隐藏子空间思想，该思想已用于上述几个应用。我们提出了这一思想的概括，其中涉及隐藏陪集（仿射子空间），并展示了该思想在签名令牌、不可克隆解密和复制保护中的应用。给定一个子空间 𝐴 ⊆ 𝔽 𝑛 2 ，相应的子空间状态定义为子空间 𝐴 中所有字符串的均匀叠加，即
如何使用量子不可区分混淆
量子复制保护由 Aaronson [ Aar09 ] 提出，它可以给出无法被有效复制的量子程序描述。尽管经过十多年的研究，但已知复制保护仅对非常有限的一类程序可用。作为我们的第一项贡献，我们展示了如何为所有程序实现“最佳”复制保护。我们通过引入量子态不可区分混淆 ( qsiO ) 来实现这一点，这是用于经典程序量子描述的混淆概念。我们表明，将 qsiO 应用于程序可立即实现最佳复制保护。我们的第二项贡献是表明，假设存在单向注入函数，qsiO 是一大类可穿孔程序的具体复制保护 — — 大大扩展了可复制保护程序的类别。我们证明中的一个关键工具是不可克隆加密 (UE) 的新变体，我们称之为耦合不可克隆加密 (cUE)。虽然在标准模型中构建 UE 仍然是一个重要的未解决的问题，但我们能够从单向函数构建 cUE。如果我们另外假设 UE 的存在，那么我们可以进一步扩展 qsiO 是复制保护的可穿孔程序类。最后，我们相对于有效的量子预言机构建 qsiO。
计算机科学课程量子架构知识单元的设计和实现
十六年前，斯科特·阿伦森 (Scott Aaronson) 在雷·拉弗拉姆 (Ray Laflamme) 的见证下指出，量子力学 (QM) 类似于一个操作系统，其余的物理学科都在这个操作系统上运行应用软件（广义相对论除外，“因为它还没有成功移植到这个特定的操作系统”）。在此之前，教育家和杰出的计算机科学家 (Umesh Vazirani) 凭借敏锐的洞察力才意识到，可以通过量子位和量子门的语言对 QM 进行完整而一致的介绍。更近一点，另一位博学者 (Terry Rudolph) 凭借深刻的直觉才意识到，通常作为这种方法基础的线性代数可以用中学生可以理解的简单重写系统来代替。重写系统是计算机科学的基础，事实上，它们就是计算机科学的组成部分（例如，图灵机和 lambda 演算），所以这些都是非常幸运的发展。此外，线性代数先修课程现在与机器学习牢牢地共享在计算机科学本科课程中，机器学习这一主题经历了一次非常深刻而突然的复兴。量子信息科学与技术 (QIST) 本质上是跨学科的，涵盖物理学、计算机科学、数学、工程学、化学和材料科学。我们提出了三个课程计划，将 QIST 主题（通过量子计算）纳入计算机科学本科课程
如何使用量子不可区分混淆
量子复制保护由 Aaronson [ 1 ] 提出，它能够给出无法被有效复制的量子程序描述。尽管经过十多年的研究，但人们知道只有极少数程序能够实现复制保护。作为我们的第一项贡献，我们展示了如何为所有程序实现“最佳”复制保护。我们通过引入量子态不可区分混淆 ( qsiO ) 来实现这一点，这是用于经典程序量子描述的混淆概念。我们表明，将 qsiO 应用于程序可立即实现最佳复制保护。我们的第二项贡献是表明，假设存在单向注入函数，qsiO 是一大类可穿孔程序的具体复制保护 — — 大大扩展了可复制保护程序的类别。我们证明中的一个关键工具是不可克隆加密 (UE) 的新变体，我们称之为耦合不可克隆加密 (cUE)。虽然在标准模型中构建 UE 仍然是一个重要的未解决的问题，但我们能够从单向函数构建 cUE。如果我们另外假设 UE 的存在，那么我们可以进一步扩展 qsiO 是复制保护的可穿孔程序类。最后，我们相对于一个有效的量子预言机构建 qsiO。
噪声量子计算机上的量子振幅估计
[1] G. Brassard 等人。量子振幅放大与估计。当代数学，305:53–74，2002。[2] Y. Suzuki 等人。不带相位估计的振幅估计。量子信息处理，19(2):75，2020。[3] S. Aaronson 和 P. Rall。量子近似计数，简化。在算法简单性研讨会上，第 24-32 页。SIAM，2020 年。[4] D. Grinko 等人。迭代量子振幅估计。arXiv 预印本 arXiv:1912.05559，2019。[5] K. Nakaji。更快的振幅估计。 arXiv preprint arXiv:2003.02417，2020 年。[6] R. Venkateswaran 和 R. O'Donnell。具有非自适应 Grover 迭代的量子近似计数，2020 年。[7] DS Abrams 和 CP Williams。用于数值积分和随机过程的快速量子算法。arXiv preprint quant-ph/9908083，1999 年。[8] A. Montanaro。蒙特卡罗方法的量子加速。英国皇家学会学报 A：数学、物理和工程科学，471(2181)：20150301，2015 年。[9] P. Rebentrost、B. Gupt 和 TR Bromley。量子计算金融：金融衍生品的蒙特卡罗定价。 Physical Review A, 98(2):022321, 2018. [10] S. Woerner 和 DJ Egger. 量子风险
经典可访问预言机下的经典与量子建议和证明
量子信息通常比经典信息具有更丰富的结构，至少直观上是如此。第一个（但通常是错误的）想法是相位和幅度是连续的，并且量子信息可能能够存储比经典信息多出指数或无限多的信息；但这始终不正确 1 。由于经典信息和量子信息具有截然不同的性质，学界在不同背景和方向研究它们之间的区别，包括建议辅助量子计算[NY04、Aar05、Aar07、AD14、NABT14、HXY19、CLQ19、CGLQ20、GLLZ21、Liu22]、QMA 与 QCMA（即具有量子或经典见证的量子 NP）[AN02、AK07、FK18、NN22]、量子与经典通信复杂性[Yao93、BCW98、Raz99、AST + 03、BYJK04、Gav08] 等等。理解它们之间差异的一种方法是研究单向通信复杂度：即 Alice 和 Bob 想要用他们的私有输入联合计算一个函数，但 Alice 和 Bob 之间只允许进行一次量子/经典通信。在众多研究中，Bar-Yossef、Jayram 和 Kerenidis [ BYJK04 ] 展示了量子和经典单向通信复杂度之间的指数分离，即所谓的隐藏匹配问题。另一种方法是研究 QMA 与 QCMA 。2007 年，Aaronson 和 Kuperberg [ AK07 ] 展示了关于黑盒量子幺正的黑盒分离，而关于经典预言机的相同分离仍是一个悬而未决的问题。十多年后，Fefferman 和 Kimmel [ FK18 ] 使用分布式就地证明了第二种黑盒分离
私人学习意味着量子稳定性
学习未知的 n 量子比特量子态 ρ 是量子计算中的一个基本挑战。从信息论角度来看，众所周知，断层扫描需要 n 个 ρ 副本的指数来估计其条目。受学习理论的启发，Aaronson 等人引入了许多（较弱的）学习模型：学习状态的 PAC 模型（皇家学会 A'07 会刊）、用于学习状态“阴影”的阴影断层扫描（STOC'18）、也要求学习者具有差异隐私的模型（STOC'19）和学习状态的在线模型（NeurIPS'18）。在这些模型中，结果表明，可以使用 n 个 ρ 副本的线性“近似地”学习 ρ 。但这些模型之间有什么关系吗？在本文中，我们证明了从差异隐私 PAC 学习到在线学习再到量子稳定性的一系列（信息论）含义。我们的主要结果推广了 Bun、Livni 和 Moran (Journal of the ACM'21) 最近的研究，他们证明了有限的 Littlestone 维度（布尔值概念类的）意味着 PAC 在（近似）差分隐私（DP）设置中的可学习性。我们首先将他们的工作扩展到实值设置，然后进一步扩展到学习量子态的设置。我们结果的关键是我们的通用量子在线学习器，稳健标准最优算法（RSOA），它对对抗性不精确具有鲁棒性。然后，我们展示了 PAC 模型中 DP 学习量子态之间的信息论等价性、单向通信模型中量子态的可学习性、量子态的在线学习、量子稳定性、各种组合参数，并进一步应用于柔和阴影断层扫描和嘈杂量子态学习。