XiaoMi-AI文件搜索系统
World File Search SystemBoson
比较量子和经典机器学习......
我们报告了量子和经典机器学习技术之间的一致比较，这些技术应用于对矢量玻色子散射过程的信号和背景事件进行分类，该过程在欧洲核子研究中心实验室安装的大型强子对撞机上进行研究。基于变分量子电路的量子机器学习算法在免费提供的量子计算硬件上运行，与在经典计算设施上运行的深度神经网络相比，表现出非常好的性能。特别是，我们表明这种量子神经网络能够正确地对信号进行分类，其特征曲线下面积 (AUC) 非常接近使用相应的经典神经网络获得的特征曲线下面积 (AUC)，但使用的资源数量要少得多，训练集中的可变数据也较少。尽管这项工作是在有限的量子计算资源下给出原理证明的演示，但它代表了
![arxiv：2105.09703v1 [hep-ph] 2021年5月20日](/simg/6\6727678a0894db3f27c2883f895ac5562640751c.webp)
arxiv：2105.09703v1 [hep-ph] 2021年5月20日
近年来，已经发现了传统的夸克模型以外的许多新的HADRONEC状态，这些状态被共同称为异国野蛮状态。在其中，可以将大量的大量解释为通过残留的强相互作用，例如D ∗ S 0（2317）和P C pentaquark态形成的HADRONIC分子，即绑定或共振状态，可以很好地解释为dk和σc c c c c c c c c c of（∗）分子状态[1,2]。这两体分子状态的图像可以通过精确的几体方法（高斯膨胀方法）扩展到三体Hadronic系统[3]。在这项工作中，我们基于DK相互作用和一个玻色子交换模型来研究DDK系统，并预测了DDK分子状态的存在[4,5,6,7]。利用重的夸克对称性[8]，b k和ξcc。k
![arXiv:2402.09524v2 [quant-ph] 2024 年 12 月 10 日](/simg/a\ac497b3be659e4ece169e1e308c9b2b81bcaef78.webp)
arXiv:2402.09524v2 [quant-ph] 2024 年 12 月 10 日
量子机器学习提供了一种从根本上不同的数据分析方法。然而，许多有趣的数据集对于目前可用的量子计算机来说过于复杂。目前的量子机器学习应用通常通过在将数据传递到量子模型之前降低数据的维数（例如通过自动编码器）来降低这种复杂性。在这里，我们设计了一个经典量子范式，将降维任务与量子分类模型统一为一个架构：引导量子压缩模型。我们举例说明了这种架构如何在具有挑战性的二元分类问题上胜过传统的量子机器学习方法：在 LHC 的质子-质子碰撞中识别希格斯玻色子。此外，当仅使用我们数据集中的运动变量时，引导量子压缩模型与深度学习基准相比表现出更好的性能。
用于量子多光子干涉测量的 Julia 包
通过实现幺正变换 U 的 am 模式线性干涉仪发送。任务包括对粒子的输出模式模式进行采样，比如在第一个模式中发现 2 个光子，在第二个模式中没有光子，等等。根据来自实验组件的噪声源的重要性，输出分布 D 可能很难或很容易从 1 中采样。我们所说的困难是指在经典计算机上从 D 生成样本需要超多项式数量的步骤。事实上，对于适度的实验噪声，AA 证明根据复杂性理论中普遍相信的猜想，这项任务仍然很难。然而，当存在足够强的噪声时，例如由于部分可区分性或粒子丢失，则经典算法可以有效地从 D 中采样 [7，8，9，10，11，12，13]。玻色子采样引起了理论家和实验者的极大兴趣。提出了各种替代方案，例如
探索无限
核物理、粒子物理和天体粒子物理的研究依赖于长期的科学目标。这些目标可以通过实验和理论研究项目来实现，这些项目通常需要汇集多国的人力和财力资源。因此，为探索新想法而提出的新项目（例如，探测暗物质）会与现有项目的延续或扩展争夺资源，而这些项目对于深化和增强我们的知识（例如，对希格斯玻色子的研究）是必不可少的，而后者的项目也可以带来新的发现（例如，观察到与标准模型的重大偏差）。因此，开展一个全国性的十年科学优先排序过程，让活跃在这些领域的科学家参与其中，对于为法国研究组织和大学制定这段时间的路线图非常重要。这是大约两年前开始的、现已完成的核物理、粒子和天体粒子前瞻性研究的目标。本文件总结了这项工作的主要发现。
feynmanpaqs：用于光子模拟量子计算的图形接口程序
摘要。我们提出了一个具有图形用户界面（GUI）的光子模拟量子计算的用户友好型软件，该软件允许方便地操作而无需程序化技能。可以通过导入波导位置文件或在GUI的交互式板上手动绘制配置来灵活地设置汉密尔顿人。我们的软件为二维量子步行，量子随机步行，多颗粒量子步行和玻色子采样提供了一种强大的理论研究方法，这可能都可以在光子芯片上的物理实验系统中实现，并且它将激发光子量子量子计算和量子计算的丰富多样性。我们已经改进了算法以确保永久计算的效率，并提供了有关教育用途的案例研究，这使用户更容易访问光子量子模拟的研究。©2022光学仪器工程师协会（SPIE）[doi：10.1117/1.oe.61.8.081804]
![arxiv：2502.17337v1 [physics.optics] 2025年2月24日](/simg/5\59b75a6cf5da603cae1e4117a6942ec8ce30e7f2.webp)
arxiv：2502.17337v1 [physics.optics] 2025年2月24日
挤压的光态对于在计量和信息处理中出现量子技术至关重要。CHIP集成光子学为可扩展有效的挤压光发电提供了一条途径，但是，寄生非线性过程和光学损失仍然是重大挑战。在这里，我们通过DE-DUTAINE DUAL-PUMP自发的四波混合物在光子晶体微孔子中进行了单模正交挤压。在可扩展的低损坏硅硝化光子芯片平台中实现，微孔子具有量身定制的纳米溶解，可调节其共鸣以抑制寄生非线性过程。以这种方式，我们在BUS波导中估计有7.8 dB的芯片挤压，并有可能进一步改进。这些恢复为通向量子增强的量化测定法，高斯玻色子采样，连贯的Ising机器和通用量子计算的综合挤压光源打开了有希望的途径。
用物理学弥合量子设备中的现实差距...
理论和实验之间的差异遍及整个科学，是人类发现的驱动力之一。模拟通常比实际实验所需的资源少，但很少捕获系统的全部复杂性，从而限制了它们的实际应用。缩小模型和现实世界之间的差距是使用机器学习控制复杂系统的关键，尤其是当机器学习模型在模拟上训练之前，然后将其应用于真实系统之前[1,2]。当存在无法直接观察到的数量时，现实差距将进一步扩大。可以通过对系统的其他特征的影响来估算这种不可观察的数量，例如，间接观察黑洞[3]，观察到希格斯玻色子衰变的特征[4]或从后面墙壁后面的人类姿势估计的机器学习估计[5]。名义上相同设计的固态量子设备通常会显示出不同的特征。这种可变性阻碍了原本有希望的量子实现的可伸缩性，例如在电子的自旋状态
用于哈密顿模拟的一般量子算法，并应用于非亚洲晶格理论
侧重于用于量子模拟的通用量子计算，并通过晶格规定的检查，我们引入了相当通用的量子算法，这些算法可以有效地模拟与多个（Bosonic和Fermionic）量子数的相关变化的某些类别的相互作用，该相互作用具有非构成功能系数的量子数。尤其是，我们使用单数值分解技术分析了哈密顿术语的对角线化，并讨论如何在数字化的时间进化运算符中实现已实现的对角线单位。所研究的晶格计理论是1+1个维度的SU（2）仪表理论，该理论与一个交错的费米子的一种味道结合在一起，为此提供了在不同的综合模型中进行完整的量子资源分析。这些算法被证明适用于高维理论以及其他阿贝尔和非阿布尔仪表理论。选择的示例进一步证明了采用有效的理论表述的重要性：显示出，使用循环，弦乐和强体自由度使用明确的计量不变的配方，可以模拟算法，并降低了与基于Angular-Momentum以及Schwinger-Momentum以及Schwinger-boson-boson Boson drefere的标准配方的成本。尽管挖掘仿真不确定，但循环 - 弦 - 弦 - 弦 - 弦 - 弦乐制剂进一步保留了非亚伯仪对称性，而无需昂贵的控制操作。这种理论和算法考虑因素对于量化与自然相关的其他复杂理论可能至关重要。
评估英国从 CERN 获得的利益
与世界一流研究相关的效益和影响 CERN 的研究在粒子物理学方面取得了重要进展，包括一系列具有里程碑意义的发现，例如希格斯玻色子——40 多年前假设的粒子物理学标准模型中缺失的最后一块。CERN 取得的其他重大突破包括发现弱中性流（1970 年代）和电弱（W 和 Z）规范玻色子（1980 年代）、测量轻子代数（1990 年代）、观察到粲夸克中的 CP 破坏（2019 年）以及（迄今为止）显示不存在超对称性的零结果。这些进步支持了进一步的科学进步，并有可能在长期内产生非常重大的、更广泛的社会影响。英国科学家也在此研究的基础上支持他们的进一步进步和成就。仅在过去 10 年中，就有超过 20,000 篇英国科学论文引用了 CERN 文章，其中包括许多英国最具影响力的物理学论文（其中 25% 的英国论文是全球范围内其领域内被引用次数最多的 10%）。