XiaoMi-AI文件搜索系统
World File Search SystemFTQC
释放LLM量子计算的潜力
摘要 - LARGE语言模型（LLMS）为对话AI的发展做出了明显的贡献，并且具有巨大的潜力，可以帮助各种AREAS的科学研究。本文试图解决以下问题：当前的生成预先训练的变压器（GPT）为嘈杂的中间规模量子（NISQ）技术的发展提供了哪些机会？此外，即将到来的GPT发电以推动耐断层量子计算（FTQC）中的研究边界具有哪些潜力？在本文中，我们实施了QGAS模型，该模型可以迅速提出有希望的Ansatz架构，并通过包括量子化学和量子融资任务在内的应用基准进行评估。我们的结果表明，经过有限数量的及时指南和迭代，我们可以获得高性能的ANSATZ，能够产生可比较的结果，这些结果通过最先进的量子体系结构搜索方法实现。这项研究提供了一个简单的概述，概述了GPT在支持量子计算研究方面的能力，同时强调了当前GPT的局限性。此外，我们在量子研究中讨论了LLM的未来派应用程序。索引术语 - LARGE语言模型，量子计算
量子随机存取存储器的系统架构
量子算法基于量子力学原理，有望解决现有最佳经典算法无法解决的问题。实现这种加速的一个重要部分是量子查询的实现，即将数据读入量子计算机可以处理的形式。量子随机存取存储器 (QRAM) 是一种很有前途的量子查询架构。然而，在实践中实现 QRAM 带来了重大挑战，包括查询延迟、内存容量和容错性。在本文中，我们提出了第一个 QRAM 端到端系统架构。首先，我们介绍了一种新型 QRAM，它混合了两种现有的实现，并在空间（量子位数）和时间（电路深度）上实现了渐近优越的扩展。与经典虚拟内存一样，我们的构造允许查询比硬件中实际可用的虚拟地址空间更大的虚拟地址空间。其次，我们提出了一个编译框架，用于在实际硬件上合成、映射和调度 QRAM 电路。我们首次展示了如何将大规模 QRAM 嵌入二维欧几里得空间（例如二维方格布局），同时将路由开销降至最低。第三，我们展示了如何利用所提出的 QRAM 固有的偏置噪声弹性，在噪声中型量子 (NISQ) 或容错量子计算 (FTQC) 硬件上实现。最后，我们通过经典模拟和量子硬件实验对这些结果进行了数值验证。我们新颖的基于 Feynman 路径的模拟器可以高效地模拟比以前更大规模的噪声 QRAM 电路。总的来说，我们的结果概述了实现实用 QRAM 所需的软件和硬件控制集。