XiaoMi-AI文件搜索系统
World File Search SystemQRAM
传感器 - NSF 公共访问存储库
摘要：量子随机存取存储器 (QRAM) 有可能彻底改变量子计算领域。QRAM 使用量子计算原理来高效存储和修改量子或经典数据，大大加速了各种计算机处理。尽管它很重要，但缺乏涵盖整个 QRAM 架构范围的全面调查。我们通过对 QRAM 进行全面回顾来填补这一空白，强调其在现有嘈杂量子计算机中的重要性和可行性。通过与传统 RAM 进行比较以便于理解，本调查阐明了 QRAM 的基本思想和作用。与传统 RAM 相比，QRAM 提供了指数级的时间优势，这是由于数据存储在状态叠加中而实现的。总体而言，我们从结构和工作原理、电路宽度和深度、独特品质、实际实施和缺点等方面比较了六种不同的 QRAM 技术。总体而言，除了可训练的基于机器学习的 QRAM 之外，我们观察到 QRAM 在量子比特/量子位的数量方面具有指数深度/宽度要求，并且大多数 QRAM 实现对于超导和捕获离子量子比特系统都是实用的。
量子随机存取存储器入门指南
量子计算 (QC) 在过去十年中发展迅速。随着超导量子比特 [1]、捕获离子量子比特 [2]、光子量子比特 [3]、量子点 [4] 和金刚石氮空位中心 [5] 等量子比特技术的进步，在量子计算机上实现量子算法已成为可能。这也使得量子计算能够应用于机器学习 [6]、金融 [7]、化学 [8]、网络安全 [9] 和先进制造 [10] 等各个领域。量子计算的一个潜在改变是量子随机存取存储器 (QRAM) 的增强，它已显示出为傅里叶变换 [11]、离散对数 [12] 和模式识别 [13]-[15] 等算法提供指数级加速的潜力。 QRAM 也是重要量子算法的关键要求，例如经典数据库的量子搜索 [16]、[17]、哈希和无爪函数的碰撞查找 [18] 以及列表中元素的不同性 [19]、[20]。除此之外，与振幅、角度和基嵌入 [21] 等简单方法相比，QRAM 还可以用作将经典数据加载到量子希尔伯特空间的重要存储元件。现有的 QRAM 文献未能总结 QRAM 的关键方面并以通俗易懂的语言进行解释，而这正是本文的目的。在 [22] 中，作者从容错的角度而非基本解释的角度讨论了各种 QRAM，例如 bucket-brigade QRAM、大宽度小深度 QRAM 和小宽度大深度 QRAM。[23] 概述了 QRAM 在现代 NISQ 系统中的实用性，但有时要完全理解它可能有点深奥。我们为对潜水感兴趣的读者提供简单易懂的 QRAM 评论
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。
Spin-Photon网络中的可扩展和高保真量子随机访问存储
量子随机访问存储器（QRAM）被认为是必不可少的计算单元，可以在量子信息处理中实现多名速度。建议的实现包括使用中性原子和超导电路来构建二进制树，但这些系统仍然需要证明基本组件。在这里，我们提出了一个与固态记忆集成的光子集成电路（PIC）结构，作为构造QRAM的可行平台。我们还提出了一种基于量子传送的替代方案，并将其扩展到量子网络的背景。这两个实现都意识到了两个关键的QRAM操作，（1）量子状态传输和（2）量子路由，并具有已证明的组件：电气调节器，一个Mach-Zehnder干涉仪（MZI）网络，以及与人工原子相连的基于自旋记忆的记忆和固定的纳米腔。我们的方法从基于光子先驱的内置误差检测中获得了好处。详细介绍了QRAM的效率和查询效果的理论分析表明，我们的建议为一般QRAM提供了可行的近期设计。
Spin-Photon网络中的可扩展和高保真量子随机访问存储
量子随机访问存储器（QRAM）被认为是必不可少的计算单元，可以在量子信息处理中实现多名速度。建议的实现包括使用中性原子和超导电路来构建二进制树，但这些系统仍然需要证明基本组件。在这里，我们提出了一个与固态记忆集成的光子集成电路（PIC）结构，作为构造QRAM的可行平台。我们还提出了一种基于量子传送的替代方案，并将其扩展到量子网络的背景。这两个实现都意识到了两个关键的QRAM操作，（1）量子状态传输和（2）量子路由，并具有已证明的组件：电气调节器，一个Mach-Zehnder干涉仪（MZI）网络，以及与人工原子相连的基于自旋记忆的记忆和固定的纳米腔。我们的方法从基于光子先驱的内置误差检测中获得了好处。详细介绍了QRAM的效率和查询效果的理论分析表明，我们的建议为一般QRAM提供了可行的近期设计。
使用低量子随机存取存储器对 AES 类哈希算法进行量子碰撞攻击
摘要。在 EUROCRYPT 2020 上，Hosoyamada 和 Sasaki 提出了第一个专门针对哈希函数的量子攻击——反弹攻击的量子版本，利用概率太低而无法在经典环境中使用的微分。这项工作为哈希函数抵御量子攻击的安全性开辟了一个新视角。特别是，它告诉我们，对微分的搜索不应止步于经典的生日界限。尽管这些有趣且有希望的含义，但 Hosoyamada 和 Sasaki 描述的具体攻击利用了大型量子随机存取存储器 (qRAM)，这种资源在可预见的未来是否可用即使在量子计算界也存在争议。如果没有大型 qRAM，这些攻击会导致时间复杂度显著增加。在这项工作中，我们通过执行基于具有非全活动超级 S 盒的微分的量子反弹攻击来减少甚至避免使用 qRAM。在此过程中，提出了一种基于 MILP 的方法来系统地探索针对反弹攻击的有用截断差分的搜索空间。 结果，我们获得了对 AES - MMO 、 AES - MP 的改进攻击，以及对 4 轮和 5 轮 Grøstl - 512 的第一个经典碰撞攻击。 有趣的是，在 AES - MMO 的分析中使用非全活动超级 S 盒差分会导致收集足够起点的新困难。 为了克服这个问题，我们考虑涉及两个消息块的攻击以获得更多的自由度，并且我们成功地将对 AES - MMO 和 AES - MP (EUROCRYPT 2020) 的碰撞攻击的 qRAM 需求从 2 48 压缩到 2 16 到 0 的范围，同时仍然保持可比的时间复杂度。据我们所知，这是第一次专门针对哈希函数的量子攻击，其性能略优于 Chailloux、Naya-Plasencia 和 Schrottenloher 的通用量子
使用量子随机存储内存和...
简介。作为物理和计算机科学领域的前沿主题，量子信息科学通常是一个迅速发展且价值高度的研究领域，在计算中广泛应用[1-4]，数据科学和机器学习[5，6]，通信[7-13]和Sensing [14 - 16]。在不久的将来，量子组合可能会给某些特定算法带来重要的优势。量子通信将严格构成数据安全性和隐私性，根据物理定律提高传输效率；量子传感可能会显着提高测量精度。量子数据的产生，处理和应用以及这些数据的处理以及其经典同行目前正在挑战量子科学中的口头和实验性问题。在本文中，我们提出了所谓的量子数据中心（QDC）的概念，这是一个统一的概念，指的是某些特定的量子硬件，可以有效地处理量子数据，并将提供经典数据和量子处理器之间的效率界面。提出的QDC的关键组件是量子随机存储器（QRAM）[17-25]，该设备允许用户从数据库中访问叠加中的多个不同元素（可以是经典或量子）。至少，QDC由QRAM组成，该QRAM耦合到量子网络。我们构建了与原始应用相关的QDC理论。我们提出了示例的明确构造，包括：QDC作为易于故障的量子计算中数据查找的实现； QDC作为所谓的多方私人Quantum沟通的介体（下面定义），该通信结合了量子私人查询（QPQ）[26]和量子
多核量子处理器的互连织物
近年来，我们目睹了量子技术的积极发展。如今，嘈杂的中等规模量子（NISQ）ERA中的技术[2]，人们可以在其中构建中间尺度的量子设备并使用大量数据进行复杂的实验（例如，请参见[3]）。在长期的未来中，我们预计将出现大规模，通用和耐断层的量子设备。量子技术与现有的经典数据科学和机器学习的结合可能使我们能够解决科学和行业中更具挑战性的问题。数据中心[4]是处理大规模数据的专用硬件的集合。除了从1940年代的大型计算机室（以ENIAC为代表）的悠久历史，数据中心还经历了互联网时代的复兴，以及云计算的兴起[5]。因此，我们期望应自然开发量子版本的数据中心，以满足即将到来的量子时代可能的大规模数据处理需求。我们的量子版本的数据中心需要在这种量子时代的信息科学中具有广泛的应用，包括量子计算[2]，[6] - [8]，量子通信[9] - [15]和量子传感[16] - [18]。这样的量子雅应该有哪种硬件形式？在这里，我们提出了量子数据中心（QDC）的概念[1]。我们指出，任何QDC都应包括两个自然部分：量子随机访问存储器（QRAM）[19] - [27]和量子网络[12]，[14]，[15]，[15]，[28] - [33]。我们认为QRAM的组合QRAM是一种量子记忆的特定类型，允许量子地址和输出的叠加，而量子网络则促进了量子量处理器之间跨物理距离之间的量子处理器之间的信息传输。
低深度量子状态准备
探索如何使用最小电路深度制备量子状态，这是量子计算和量子信息处理中关键应用的基本兴趣。一方面，量子电路的噪声稳健性非常敏感其深度[1，2]，尤其是对于嘈杂的中等规模Quantum（NISQ）设备[3-5]。另一方面，多个对数运行时状态制备方法是许多算法的量子加速度的必要条件，包括HHL算法[6]和量子机学习[7-9]。尽管如此，通常很难[10]，准备任意n量的态度，这需要一个至少具有深度O（n/ log n）的电路，n = 2 n [11]。基于分解为单量子旋转和cnot门的均匀控制旋转，参考。[12]显示了如何用电路深度O（n）大致实现下限。当可用的Quantu-Tum随机访问记忆（QRAM）[13]时，电路深度可以显着改善到O（n）。但是，由于QRAM需要高度非本地的相互作用以及同时控制O（n）路由器的能力，因此对于当前的量子技术而言，它仍然具有挑战性。在这项工作中，我们演示了几种量子算法（顺序的算法和平行的算法），以准备任意的n级量子状态，并具有运行时O（n 2logε -1 th）和O（log（log（log（log log（log log）2logε -1）），以及辅助量o（log（log log（log（n）2）2）和O（n 2）和o（n 2）和Re（n 2）和of -of -repectiment。这里εt对应于制备状态的准确性。在表I中总结了我们的算法与算法的比较。我们注意到，通过使用辅助量子位，我们显示了指数速度（与参考文献相比。[11，12]）用于准备任意n维状态。与QRAM相比，我们的方法仅需要在恒定数量的Qubits上进行盖茨，从而显着简化其实践实现。我们希望我们的算法在NISQ和通用量子计算中都具有广泛的应用。