XiaoMi-AI文件搜索系统
World File Search SystemMAR
![arXiv:2208.10341v3 [quant-ph] 2023 年 3 月 3 日](/simg/g:\will\search\icon\source\0\05c1fadfbec6d7050f9084bb8e023692af386ba5.webp)
arXiv:2208.10341v3 [quant-ph] 2023 年 3 月 3 日
（b）集合 S { X , Y } 可等同于区间 [− 1 , 1 ] ，而（b）集合 S { X , Y } 可等同于圆盘 {( x,y ) ∶ x 2 + y 2 ≤ 1 } 。
![arXiv:2203.04725v1 [ed.IV] 3 月 8 日](/simg/g:\will\search\icon\source\9\916eca79043f938a96948fb6d45e517e661599ec.webp)
arXiv:2203.04725v1 [ed.IV] 3 月 8 日
摘要。阿尔茨海默病 (AD) 是最常见的与年龄相关的痴呆症。轻度认知障碍 (MCI) 是 AD 之前认知衰退的早期阶段。预测 MCI 到 AD 的转变对于精准管理至关重要，但由于患者的多样性，这仍然具有挑战性。先前的证据表明，扩散 MRI 生成的大脑网络有望使用深度学习对痴呆症进行分类。然而，扩散 MRI 的有限可用性对模型训练提出了挑战。在本研究中，我们开发了一种自监督对比学习方法，在扩散 MRI 的指导下从常规解剖 MRI 生成结构性大脑网络。生成的大脑网络用于训练一个预测 MCI 到 AD 转变的学习框架。我们不是直接对 AD 大脑网络进行建模，而是训练一个图编码器和一个变分自动编码器来从健康对照的大脑网络中模拟健康的衰老轨迹。为了预测 MCI 到 AD 的转变，我们进一步设计了一种基于循环神经网络的方法来模拟患者大脑网络与健康衰老轨迹的纵向偏差。数值结果表明，所提出的方法在预测任务中的表现优于基准。我们还可视化了模型解释，以解释预测并识别白质束的异常变化。
![arXiv:2203.01007v1 [quant-ph] 2022 年 3 月 2 日](/simg/g:\will\search\icon\source\2\270067e7f237158702985065cb4f1d7362c9058b.webp)
arXiv:2203.01007v1 [quant-ph] 2022 年 3 月 2 日
1 德国电子同步加速器 DESY，Platanenallee 6，15738 Zeuthen，德国 2 亚琛工业大学，Templergraben 55，52062 Aachen，德国 3 欧洲核子研究中心，1211 Geneva 23，瑞士 4 洛桑联邦理工学院 (EPFL) 物理研究所，1015 Lausanne，瑞士 5 麻省理工学院理论物理中心、量子优势协同设计中心和 NSF AI 人工智能与基本相互作用研究所，77 Massachusetts Avenue，Cambridge，MA 02139，美国 6 塞浦路斯研究所基于计算的科学和技术研究中心，20 KavafiStreet，2121 Nicosia，塞浦路斯 7 数学科学系，巴斯大学 West 4 号，Claverton Down，Bath BA2 7AY，英国 8 柏林洪堡大学物理研究所，Newtonstr. 15，12489 柏林，德国
![arxiv：2403.02477v1 [physics.optics] 4 2024年3月4日](/simg/g:\will\search\icon\source\4\4f4c8af1e582024a6822d83e72367198078dcf9a.webp)
arxiv：2403.02477v1 [physics.optics] 4 2024年3月4日
在光子环境中，复制对称性破坏（RSB）现象的理论建议[1，2]和实验演示[3，4]在复杂系统[5-9]领域产生了巨大影响。在巴黎的磁性自旋玻璃的方法中[10]，当在相同条件下制备的系统的复制品可以在自由型的景观中与多个局部最小值一起到达不同的状态时，就会发生RSB。在使用随机激光器（RLS），光学模式和输入激发仪的振幅的磁性类比中，分别是旋转和内部温度的作用[1，2]。非常明显，正如Parisi [5]所说，RSB的实验证据是由Multimode RLS提供的，因为在这种情况下，可以观察模式的占用率，从而直接测量具有RSB签名的顺序参数函数。
![arxiv：2403.01073v1 [cond-mat.mes-hall] 2 2024年3月2日](/simg/g:\will\search\icon\source\2\25ffa721821daef7281c16897adfacf648b96ba2.webp)
arxiv：2403.01073v1 [cond-mat.mes-hall] 2 2024年3月2日
最近已经确定，可以通过二维迪拉克材料的表面声波（SAW）来产生非线性谷电流。到目前为止，锯谷电流已归因于翘曲的费米表面或浆果相的影响。在这里，我们证明倾斜机制也可以导致非线性山谷大厅电流（VHC），而将托管锯放在带有倾斜的狄拉克锥体上的材料中，则将其放置在压电基底物上。发现非线性VHC对倾斜相对于锯的方向表现出Sinθ的依赖性。此外，这种倾斜的非线性声学VHC在放松时间上显示出与浆果相位或三角翘曲的贡献的独立性。值得注意的是，单次应变石墨烯中倾斜机理的非线性声学VHC的大小是两个阶比MOS 2中报道的级数大，源自浆果相的影响和扭曲效应。
![arXiv:2103.03747v1 [cond-mat.mes-hall] 2021 年 3 月 5 日](/simg/g:\will\search\icon\source\2\29284154c5f5c2ba7f73b81863d7cc342093cea5.webp)
arXiv:2103.03747v1 [cond-mat.mes-hall] 2021 年 3 月 5 日
近年来，超导量子处理器取得了重大进展。目前，包含几十个量子位的小型处理器已被证明 1 。处理器的运行保真度在不断提高 2–5 。我们有理由相信，量子算法很快就能在多个领域超越经典算法 6 。然而，要实现容错量子计算，还需要解决许多问题。基于超导电路的量子处理器的一个主要限制是量子位 (qubit) 的相干时间相对较短。通过提高量子位的固有相干性，可以减少操作容错逻辑量子位的开销 7 。因此，当在量子处理器中加入新组件或材料时，最重要的是不要降低物理量子位的相干性。传统上，超导量子电路是在未掺杂的硅衬底或蓝宝石衬底上制作的，以保持高相干性。人们对通过加入新材料和结构 8910 来扩展超导量子电路的功能性有着浓厚的兴趣。对于许多量子应用来说，一种备受关注的材料是 Ge 或 Ge 与硅的混合（硅锗 SiGe）。Ge 和 SiGe 已被用于从约瑟夫森场效应晶体管 11 到自旋量子比特 12 的各种应用中，最近有提议认为 SiGe 可以为片上光到微波转导提供途径 13 。在这里，我们研究了在 Si 衬底上制作的转导量子比特 14 的相干特性，其中已添加由额外层外延硅 (epi-Si) 覆盖的 SiGe 异质结构。将 SiGe 技术与高相干性超导量子电路相结合的可能性可能对量子设备和应用的开发具有重要意义。我们试图回答的主要问题是，是否可以结合 Si/SiGe/Si 堆栈的生长来制造高相干性超导量子电路。为了验证这一假设，我们制造了具有四种不同电容器垫设计的 transmon 设备，如图 1a 所示，
![arXiv:2103.01165v1 [quant-ph] 2021 年 3 月 1 日](/simg/g:\will\search\icon\source\4\430705a9bad7b07040591d83ecf42c0aad74b21d.webp)
arXiv:2103.01165v1 [quant-ph] 2021 年 3 月 1 日
过去十年中，量子计算机发展中的一个重大变化是开发了表征量子操作质量的实用方法，使实验者能够快速诊断和改进容错量子计算架构的关键构建块（例如，见 [10] 及其参考文献）。在这项工作中，我们考虑了表征量子通信链路的相应问题，这是量子网络的一个关键特征，在量子计算中没有真正的对应物。现有多种方法可以评估量子网络链路的质量，我们将简要回顾一下。对于基于纠缠的网络，即通过节点之间的纠缠态建立量子网络链路的网络，任何对纠缠质量的表征原则上都可以转化为网络链路的质量度量。有许多方法可以评估纠缠的质量（例如，参见 [11, 12] 中关于贝尔不等式和自测试的研究，以及 [13] 中关于量子态层析成像的研究），这些方法可以映射到量子网络链路的质量评估方法。同样，对于基于直接传输的网络链路（抽象地由量子信道建模），我们可以从两个不同基（通常是 X 和 Z 基）中量子比特状态的传输推断出任何状态或纠缠的程度
![arXiv:2102.08976v2 [eess.SP] 2021 年 3 月 5 日](/simg/g:\will\search\icon\source\1\1bf7405bd324d877f949491d3713b481e21639ea.webp)
arXiv:2102.08976v2 [eess.SP] 2021 年 3 月 5 日
在日常活动中，人类用双手抓握周围的物体并感知感觉信息，这些信息也用于知觉和运动目标。已知多个大脑皮层区域在感觉运动处理过程中负责感觉识别、知觉和运动执行。虽然各种研究特别关注人类感觉运动控制领域，但运动执行和感觉处理之间的关系和处理尚未完全了解。我们工作的主要目标是使用同时记录的脑电图 (EEG) 数据在主动触觉探索过程中辨别不同粗糙度的纹理表面，同时最大限度地减少不同运动探索运动模式的差异。我们对八名健康参与者进行了一项实验研究，他们被指示用他们惯用手食指的指尖摩擦或轻敲三种不同粗糙度的纹理表面。我们使用对抗不变表示学习神经网络架构，基于 EEG 对不同纹理表面进行分类，同时尽量降低运动条件（即摩擦或轻拍）的可辨别性。结果表明，所提出的方法可以区分三种不同纹理的表面，准确率高达 70%，同时抑制了学习表示中的运动相关变异性。
![arxiv：2103.01709v1 [Quant-ph] 2 2021年3月2日](/simg/g:\will\search\icon\source\3\37b8f8c2643d3d5f16220f05a149d3fed86ec5d6.webp)
arxiv：2103.01709v1 [Quant-ph] 2 2021年3月2日
相互信息是对量子信息极感兴趣的经典和量子相关性的量度。它在量子多体物理学中也有意义，这是通过满足热状态的区域定律和所有相关函数的界限。但是，在实践中，精确或大致计算它通常是具有挑战性的。在这里，我们考虑基于r´enyi差异的替代定义。他们对冯·诺伊曼（Von Neumann）的主要优势是，可以将它们表示为一个变异问题，其成本函数可以对诸如矩阵产品运营商（Matrix产品运营商）等州的家族进行评估，同时保留所有相关性量度的理想特性。尤其是我们表明他们以极大的一般性遵守热区法律，并且它们在上限所有相关函数上。我们还研究了它们在某些张量网络状态和经典热分布上的行为。