XiaoMi-AI文件搜索系统
World File Search SystemQE
探索QEEGNET的交叉潜力
脑电图（EEG）广泛用于神经科学和临床研究中，用于分析大脑活性。虽然诸如EEG-NET之类的深度学习模型在解码EEG信号方面已经取得了成功，但它们经常在数据复杂性，受试者间的可变性和噪声鲁棒性方面挣扎。Quantum机器学习（QML）的最新进步通过利用量子计算的独特属性来增强脑电图分析的新机会。在这项研究中，我们扩展了先前提出的量子eegnet（QEEGNET），这是一种将量子层融合到EEGNET中的混合神经网络，以研究其在多个EEG数据集中的泛化能力。我们的评估涵盖了各种各样的认知和运动任务数据集，在不同的学习情况下评估了Qeegnet的表现。实验结果表明，尽管QEEGNET的表现具有竞争性能并在某些数据集中保持稳健性，但其对传统深度学习方法的改进仍然不一致。这些发现表明，混合量子古典体系结构需要进行更优化，以充分利用脑电图处理中的量子优势。尽管有这些局限性，但我们的研究为QML在脑电图研究中的适用性提供了新的见解，并强调了未来进步必须解决的挑战。
EC585 量子工程与技术（QET）
我应该因为不完全理解消化过程而拒绝晚餐吗？不，如果我对结果满意的话就不应该。（O. Heaviside，《电磁理论》，第2卷，1899年）本课程将向研究生介绍量子工程与技术 (QET)，全面而严谨地探讨用于通信、计算、模拟、计量和传感的量子相干结构和设备的基本原理和工程设计概念。课程将提供数学基础、精选的设计方法，并深入探讨相干量子系统的工程设备实现，重点关注量子光学系统。本课程为有兴趣了解量子原理在技术中的应用及其更广泛的社会影响的工程专业学生提供广泛而严谨的量子力学训练。
一维 QED 的量子细胞自动机
在本文中，我们提出了一种一维量子电动力学 (QED) 的离散时空公式，以量子细胞自动机 (QCA) 的形式表示，其本质上是局部量子门的平移不变电路。从实用角度来看，QCA 定义了一种用于相互作用 QFT 动力学的量子模拟算法（不过，先不考虑状态准备和测量问题）。但是，从理论角度来看，它也构成了一个原理证明，表明相互作用 QFT 的原生离散公式是可能且优雅的。在此图中，QFT 被定义为 QCA 的“收敛”序列，由时空格子间距参数化——与连续极限和重正化的概念相呼应。我们讨论了为什么我们希望以这种方式规避 QFT 标准公式的一些技术问题。这种构造直观，几乎不需要任何先决条件。它基于量子信息概念，建立了一个简单、可解释的量子场论模型。鉴于量子场论可能相当复杂，我们认为这也构成了重要的教学资产。
将OWSG和量子资金与Qefid
在经典的加密术中，单向函数（OWF）被广泛认为是“最小假设”，但量子加密的情况就不太清楚。最近的作品提出了两个并发候选量子密码学中最小假设的候选者：单向状态发生器（OWSGS），假定具有有效的验证算法的硬搜索问题的存在，并且EFI对，并假定存在困难的区分问题。最近的两篇论文[Khurana和Tomer Stoc'24; Batra和Jain focs'24]表明OWSG表示EFI对，但反向方向保持开放。在这项工作中，我们提供了有力的证据，表明相反的方向不存在：我们表明存在量子统一的甲骨文，而efi对存在，但OWSG不存在。实际上，我们显示了一个稍强的陈述，该语句也适用于输出经典位（QEFID对）的EFI对。因此，我们通过Oracle，QEFID对和单向拼图与OWSG和其他几个MicroCrypt原始词分开，包括有效可验证的单向拼图和不可消除的状态生成器。特别是解决了[Chung，Goldin和Gray Crypto'24]中留下的问题。使用类似的技术，我们还建立了一个完全黑框的分离（比私钥量子货币方案和QEFID对之间的较弱的分离（比Oracle分离略弱）。我们工作的一种概念含义是，有效的验证算法的存在可能会导致量子密码学中质性更强的原始素。
Overlap-ADAPT-VQE：通过重叠引导的紧凑型模拟在量子计算机上进行实用量子化学
ADAPT-VQE 是一种用于近期量子计算机上量子化学系统混合量子经典模拟的稳健算法。虽然其迭代过程系统地达到基态能量，但 ADAPT-VQE 的实际实现对局部能量最小值很敏感，导致过度参数化的假设。我们引入了 Overlap-ADAPT-VQE，通过最大化它们与已经捕获一些电子相关性的任何中间目标波函数的重叠来增加波函数。通过避免在散布局部最小值的能量景观中构建假设，Overlap-ADAPT-VQE 产生了超紧凑的假设，适用于高精度初始化新的 ADAPT 程序。对于强相关系统，与 ADAPT-VQE 相比具有显著优势，包括电路深度的大幅节省。由于这种压缩策略也可以用精确的选定配置相互作用 (SCI) 经典目标波函数进行初始化，因此它为更大系统的化学精确模拟铺平了道路，并增强了通过量子计算的力量决定性地超越经典量子化学的希望。
物理学 - 基于POD的学习，用于从头开始QEM- ...
量子纳米结构在电子，光子学，材料，药物等方面提供了重要应用。为了精确设计和分析纳米结构和材料，始终需要对Schrӧdinger或Schrӧdinger样方程进行模拟。对于大纳米结构，这些特征值问题在计算上可能是密集的。一种有效的解决方案是通过正交分解（POD）的学习方法，以及Schrӧdinger方程的Galerkin投影。pod-galerkin将问题投射到降低的空间上，其POD基础代表由模拟中的第一个原理引导的电子波函数（WFS）。为了最大程度地减少训练工作并增强Pod-galerkin在较大结构中的鲁棒性，先前提出了量子元素方法（QEM），该方法将纳米结构划分为通用量子元素。较大的纳米结构可以通过受过训练的通用量子元素构造，每个元素用其POD-Galerkin模型表示。这项工作对QEM-Galerkin进行了多元素量子点（QD）结构的彻底研究，以进一步提高QEM-Galerkin的训练效率和仿真精度和效率。为了进一步提高计算速度，在QEM-Galerkin模拟中还检查了定期电势的POD和傅立叶基础。结果表明，考虑到效率和准确性，POD电位基础甚至在周期性潜力方面都优于傅立叶电位基础。总的来说，Qem-Galerkin在计算中提供了多个元素QD结构的直接数值模拟的2阶速度，并且在包含更多元素的结构中观察到了更多改进。
通过定量脑电图 (QEEG) 视角观察急性脑损伤中的周期性交替性脑病模式 (CAPE)：一例严重
急性脑病是一种获得性的整体认知功能障碍，在 ICU 收治的危重患者中很常见。临床上，它表现为一系列的觉醒障碍，严重程度从活动减退、活动过度、谵妄到昏迷不等。这种疾病反映了由潜在病理生理过程引起的急性脑功能障碍 [1] 。急性脑病的病因往往是多因素的，包括药物（如镇静剂输注、止痛药）、非法药物使用、导致细胞因子释放和脑功能障碍的全身性疾病（如脓毒症、肝性脑病）和代谢紊乱（如肾衰竭、电解质紊乱）。癫痫，尤其是非惊厥性癫痫 (NCS)，是脑病的常见原因，发生在高达 17.9% 的危重患者中 [2-4] 。急性脑损伤，如中风或颅内出血，也可能直接导致或加重脑病 [5]。
超导谐振器：轴电动力学，QED ...
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。高Q超级导电遣返器，并将其视为由假设的轴突ole介导的逐灯散射的检测器。量子电动力学：Euler -Heisenberg（EH）相互作用。光子频率和模式转换对于检测这种罕见的E V的方案至关重要。超级传导遣返器的非导纳设备。将电磁场限制在超导RF腔的真空区域的Meissner scr频率是EM场在真空– Superpocducducductionfucting界面处的非线性函数，因此可以产生CAV-ITY中微型光照射子的频率转换。在本报告中，我们考虑了具有高质量因子的光子频率和模式转换，该谐振器具有高质量的因子，来自Meissner电流的单个和双腔内电流中的高质量因素，该谐振器提出了基于光线散射的轴和QED搜索。在具有两个泵模式的单个腔中，Meissner筛选的光子频率转换率在Q≲1012的腔中通过EH相互作用来主导光子的产生。Meissner电流还生成背景光子，以限制三模式单腔设置中的轴轴检测的操作。我们还考虑将光子从泵模式泄漏到轴和EH介导的光线散射的信号模式中。EH相互作用通过EH相互作用的光子频率转换可以与Meissner竞争，并在超高Q型腔中的泄漏辐射和泄漏辐射范围内，这超出了当前最新技术状态。Meissner辐射和泄漏背景可以在双腔设置中抑制具有适当选择的泵和观众模式的选择，以及针对杂差检测银河系轴线暗物质的单腔设置。
技术资格评估（TQE）
科目编号 (旧编号) 标题 开设课程 备注 6.5110 (6.820) 程序分析基础 [xor 6.5120] 秋季 6.S981 程序合成简介 [xor 6.5110] 秋季 6.5820 (6.829) 计算机网络 秋季 6.5830 (6.830) 数据库系统 秋季 6.5900 (6.823) 计算机系统架构 秋季 6.5940 微型机器学习与高效深度学习计算 秋季 6.5080 (6.836) 多核编程 春季 6.5120 (6.822) 程序形式推理 [xor 6.5110] 春季 不开设 AY24/25 6.5610 应用密码学与安全 [xor 6.5620] 春季 6.5660 (6.858) 计算机系统安全 春季6.5840 (6.824) 分布式计算机系统工程 春季 6.5910 (6.375) 复杂数字系统设计 春季 下一门课程未知 6.5930 (6.825) 深度学习硬件架构 春季 6.5950 (6.S983) 安全硬件设计 春季 6.8530 6.C85 交互式数据可视化 春季 不开设 AY24/25