XiaoMi-AI文件搜索系统
World File Search SystemIsing
通过在量子计算机上准备热状态来研究伊辛模型的临界行为
随着量子器件和量子算法的发展，量子计算机可以解决经典计算机难以解决的问题。量子计算机已经成功应用于量子化学、凝聚态物理和格子场论等许多领域（例如参见参考文献 [ 1 – 7 ]）。随着量子比特数量的增加和量子器件保真度的提高，我们可以处理更现实的物理模型，探索量子计算机的潜力。作为一个应用示例，本文用量子算法在不同温度下准备 Ising 模型的热态，包括接近临界温度和低温区域的点。为了证明我们方法的可行性，我们将所选物理量的量子模拟结果与经典模拟结果进行了比较。已经提出了许多算法来使量子计算机能够准备热态。这些方法包括量子热动力学方法，其中目标系统与处于平衡状态的溶液耦合 [8]；基于热场双态的变分量子算法 [9,10]；以及许多量子虚时间演化 (QITE) 算法，例如利用 Hubbard-Stratonovich 变换的算法 [11]、基于变分假设的 QITE (QITE-ansatz) [12]、基于测量的 QITE (QITE-measure) [13]，以及通过执行坐标优化的 QITE [14]。我们的研究范围集中在有噪声的中尺度量子 (NISQ) 设备的使用 [15,16]。考虑到量子
模糊球面上三维伊辛跃迁的量子蒙特卡罗模拟
经典和量子相变中出现的临界现象因其实验相关性和理论意义而备受关注[2,3]。许多临界现象被认为可以用共形场论（CFT）来描述，这些场论具有强相互作用，对二维（即 1 + 1D）以上更高时空维度的研究提出了挑战。最近，一种称为模糊（非交换）球面正则化 [1] 的方法被发明来研究由圆柱几何上的 3D CFT 控制的 3D（即 2 + 1D）临界现象，表示为 S 2 × R 。与传统的格点正则化相比，模糊球面正则化在三维 CFT 的研究中具有许多优势，这主要归功于它在 S 2 × R 中利用了径向量化[ 4 , 5 ]以及精确保存了球面 SO ( 3 ) 对称性[ 6 , 7 ]，这一点最近已被令人信服地证明[ 1 , 8 – 11 ]。首先，模糊球面可以直接获取有关临界状态下出现的共形对称性的信息[ 1 , 10 ]。其次，它可以直接提取 CFT 的各种数据，包括共形主算子的众多缩放维度[ 1 , 10 ]、算子积展开系数[ 8 ]和四点相关器[ 9 ]。例如，可以直接从系统的激发能量计算缩放维度，并且可以使用共形扰动进一步提高其精度[12]。第三，模糊球方案适用于各种三维CFT，包括Ising[1]、O(N)Wilson-Fisher、SO(5)非禁闭相变[10]、临界规范理论[10]和缺陷CFT[11]。最后，当哈密顿量经过合理微调时，模糊球正则化表现出令人难以置信的小有限尺寸效应。模糊球正则化的这些优势为探索高效率、高精度和全面的三维CFT提供了激动人心的机会。模糊球正则化考虑了一个微观量子哈密顿量，在连续球面空间中对具有多种口味的费米子进行建模，并将费米子投影到最低球面朗道能级 [ 1 , 6 , 13 ] 。与规则晶格模型相比，模糊球模型在紫外极限下严格保持了连续旋转对称性。得益于通过微调实现的极小的有限尺寸效应，精确对角化 (ED) 和密度矩阵重正则化群 (DMRG) 方法等数值算法在研究 3D Ising CFT 和 SO ( 5 ) 解禁相变的模糊球模型时非常有效。然而，这两种算法的计算成本最终会随着系统尺寸呈指数增长。更重要的是，对于涉及大量费米子口味的情况，ED 和 DMRG 的计算成本很快就会超过实际的资源和时间限制。在这些情况下，使用随时间多项式缩放的方法（例如量子蒙特卡罗 (QMC)）来研究模糊球面上的模型将会很有帮助。本文旨在利用 3D Ising CFT 作为示例，展示 QMC 方法在研究模糊球面上的 3D CFT 中的应用。在参考文献 [ 13 , 14 ] 中可以找到有关模糊环面模型的类似讨论。与参考文献 [ 1 ] 中介绍的模糊球面 Ising 模型相比，我们在费米子中引入了一个额外的味道指数，这会导致 QMC 模拟没有符号问题。作为基准，我们提供了数值
合成，疾病和伊斯兰各向异性在新的自旋液体候选prmgal11O19
随着温度的降低，旋转sublattice冻结的倾向，尤其是在固定中心的缺陷和/或无序周围。例如，在YBMGGAO 4的三角形拉力中，非磁离子Mg和GA之间存在位点障碍会诱导自旋玻璃行为[2]。然而，混乱并不总是对QSL状态有害。对pyrochlore氧化物[3，4]和1 T -TAS 2 [5]的研究表明，淬灭的疾病没有竞争，而是与挫败感诱发强量子逆转的合作，并可能引起新兴的旋转疾病，导致无间隙激发负责。从实验的角度来看，QSL状态不会打破任何对称性，从而使使用单个技术识别识别[6]。非弹性中子散射的作用
在具有更长范围相互作用的量子模型的保形歧管上的拓扑过渡
试图显示具有更长范围相互作用的量子ISING模型的共形歧管上的拓扑转变。该模型哈密顿系统具有不同的间隙相位，具有不同的拓扑指数，并且根据横向场的存在和不存在，也具有不同的量子临界线。我们还提供了参数空间不同机制的中心电荷。在存在和不存在横向场的情况下，以及C的非宇宙特征，我们明确显示了关键，拓扑和中央电荷（C）的相互作用。我们显示了在存在横向场的情况下，在存在横向场的情况下，LIFSHITZ过渡是如何发生的。我们明确地表明了保形场理论（CFT）临界性和非CFT临界性的存在。我们提出了一个明确的计算，以找到多项式函数与Anderson-Pseudo自旋模型Hamiltonian之间的关系。我们的结果比非互动的许多人体系统的存在结果更丰富。这项工作不仅提供了保形场理论拓扑状态的新观点，而且还提供了低维量子系统的许多身体系统。
Sophie：使用光学地址的相位更改内存
摘要 - 问题是在统计物理，电路设计和机器学习等各个领域中普遍存在的非确定性多项式（NP-HARD）问题。它们对传统算法和art虫提出了重大挑战。研究人员最近开发了自然启发的Ising机器，以有效解决这些优化问题。可以将许多优化问题映射到Ising模型，物理定律将使Ising机器朝解决方案驱动。但是，现有的Ising机器遭受可伸缩性问题的损失，即，当问题大小超过其身体容量时，性能下降。在本文中，我们提出了索菲（Sophie），这是一种基于可扩展的光相变位数（OPCM）的ISIN引擎。索菲（Sophie）构建建筑，算法和设备优化，以应对Ising机器中的可扩展性挑战。我们使用2.5D集成来构建Sophie，在其中我们集成了控制器chiplet，dram chiplet，激光源和多个opcm chiplets。Sophie利用OPCM有效地执行矩阵矢量乘法。我们在体系结构级别的对称瓷砖映射减少了OPCM阵列区域的大约一半，从而增强了Sophie的可扩展性。我们使用算法优化来有效处理无法适应硬件约束的大型问题。具体来说，我们采用了一种对称的本地更新技术和随机全局同步策略。这两种算法方法将大问题分解为孤立的瓷砖，减少计算要求，并最大程度地减少索菲的通信。我们应用设备级优化以采用修改后的算法。这些设备级优化包括采用双向OPCM阵列和双重元素类似物到数字转换器。Sophie比小图上的最先进的光子iSing机器快3×，比基于FPGA的大型设计快125倍。Sophie减轻了硬件容量的限制，为解决ISING问题提供了可扩展且有效的替代方案。索引术语 - 光学计算，相变存储器，ISING机器，内存处理
远程量子ising模型的有限温度临界行为
1新加坡技术与设计大学的科学，数学和技术集群，Somapah Road 8，487372新加坡2号新加坡2量子信息和计算机科学与量子科学与联合量子研究所联合中心，NIST / MARYLAND MARYLAND，MARYLAND 20742，MARYLAND 20742，美国20742新加坡共和国，新加坡共和国4量子技术中心，新加坡国立大学117543，新加坡5 Design，Somapah Road 8，新加坡487372 8 Abdus Salam国际理论物理中心，Strada Costiera 11，34151 Trieste，意大利
使用 COVID-19 流行病学模型和利用伊辛自旋相互作用的量子计算方法研究封锁的影响
COVID-19 是一种呼吸道感染，症状从轻微到致命不等。印度自 2020 年 3 月 24 日起实施全国封锁，并多次延长，每个阶段都有不同的指导方针。在各种流行病学模型中，我们使用 SIR(D) 模型来分析这种多阶段封锁在“拉平曲线”和降低威胁方面发挥的作用程度。分析封锁对感染的影响可以让我们在实施隔离程序和改善医疗设施的同时更好地了解流行病的演变。为了进行准确的建模，需要结合各种参数以及复杂的计算设施。与 SIRD 建模并行，我们倾向于将其与 Ising 模型进行比较，并得出一个量子电路，该电路将感染率和恢复率等作为其参数。从电路中获得的概率图在定性上类似于冠状病毒传播曲线的形状。我们还展示了实施封锁时曲线如何变平。这种量子计算方法有助于降低与疫情相关的大量信息的空间和时间复杂度。
用于预测水吸附平衡和碳微孔接触角
系统Q ST0（KJ/mol）Q ST1（KJ/Mol）碳网络的IMA [5] 11.5 40.9 Ulberg和Gubbins [10] 4-12 30-40 Striolo等。[11] 6-14 50-60 Birkett and Do [17] 6.82-14.58 N/A N/A N guyen和Bhatia [18] 5-10 35-46表1：用于水面相互作用Q ST0和水 - 水 - 水 - 水面相互作用Q的等效热的吸附热量，在非官能化的Carbons上。
具有可配置性的多功能 RRAM 芯片
Ising 机是一种退火处理器。当组合优化问题映射到 Ising 图上时，Ising 机计算该系统的物理演化并求解问题。基于 RRAM 的内存计算 (IMC) 是构建 Ising 机的重要技术。然而，Ising 图的高稀疏性仍然从根本上限制了时间和能源效率。在本文中，我们提出了一种适合稀疏感知内存计算 Ising 机的多功能 RRAM 芯片，它包含 RRAM 加速内容可寻址存储器 (CAM)、乘法累积 (MAC) 单元和真随机数生成器 (TRNG) 以协同工作。这种基于 RRAM 的 Ising 机在计算速度和能耗方面均有显著提高。介绍
摘要简介
Ising模型的基态搜索可以用来解决很多组合优化问题。在目前的计算机架构下，一种适合硬件计算的Ising基态搜索算法对于解决实际问题是必不可少的。受弹簧势能转换的启发，我们提出了一种基于弹簧振动模型的点卷积神经网络基态搜索算法，即Spring-Ising算法。Spring-Ising算法将自旋看作一个连接到弹簧上的运动质点，并建立所有自旋的运动方程。Spring-Ising算法可以通过神经网络的基本结构映射到GPU或者AI芯片上，实现快速高效的并行计算。该算法对于Ising模型的求解有着非常高效的效果，已经在公认的测试基准K 2000中进行了测试。该算法引入动态平衡的概念，通过动态调整弹簧振动模型中Ising模型的权重，实现更细致的局部搜索。最后是简单的硬件测试速度评估。 Spring-Ising算法可以提供在专注于加速神经网络计算的芯片上计算Ising模型的可能性。