XiaoMi-AI文件搜索系统
World File Search SystemQuant
量子退火计算在地震反演中的应用
地震地球物理学在很大程度上依赖于地下建模，而地下建模基于对现场收集数据的数值分析。在生成一致的地下模型之前，对典型地震实验中产生的大量数据进行计算处理也需要同样大量的时间。电磁油藏数据，如 CSEM（受控源电磁）、岩石物理技术，如多井的电阻率和磁共振，以及工程优化问题，如油藏通量模拟器、井场设计和石油产量最大化，也需要强大的计算设备进行分析。另一方面，在过去十年中，量子计算机的发展取得了很大进展：机器利用量子力学定律比传统计算机更快地解决困难的计算问题。这种进步的一个具体例子就是所谓的量子霸权，最近已经使用专用量子计算机进行了演示 [1-3]。地球科学领域和相关行业（如碳氢化合物行业）有望从量子计算带来的进步中获益。目前，不同的量子技术和计算模型正在不断发展。IBM、谷歌和英特尔等巨头公司正在开发基于超导技术的量子计算机 [4]。其他公司也在投入大量精力构建基于约瑟夫森结的功能齐全的量子计算机，比如北美的 Rigetti，而美国的 IonQ 和奥地利的 AQT 则致力于开发基于捕获离子的计算机 [5]。加拿大公司 D-Wave 是量子退火计算模型的领先者 [6]，该公司已经开始交易量子机器，加拿大的 Xanadu 也在提供对其光子量子计算机的云端访问 [7,8]。
请求 Quantum View Notify® 包裹通知
发货和包装选项。注意：Quantum View Notify 可在发货选项和包装选项下使用。本文档将遵循发货选项。选中发货选项下的 Quantum View Notify 复选框。
1 谐振子：经典与量子
回顾该学科的创立历史，大约从 1900 年到 1930 年代中期，涉及数十位物理学家甚至一些数学家的工作，涉及许多实验和观察，以及许多错误的开始和停止，我们将微积分呈现为既成事实，然后回溯以填补我们的理解。不过，读者一开始就应该明白，这种微积分有大量的实验依据。在这个开场讲座中，我们通过一个例子对比了经典力学和量子力学。这个例子清楚地说明了牛顿定律所表达的经典世界观与量子力学规则所表达的现代世界观之间的差异。谐振子是典型的物理系统，因此，对它的分析，无论是经典的还是量子的，都是该学科的原型。在本讲座中，我们将回顾谐振子的经典处理，并概述量子处理。量子处理似乎是临时的、没有动机的，应该会引起一些不安，甚至困惑。读者会看到，经典处理的方法和结果的极端简单性与量子处理的复杂性形成鲜明对比。事实上，虽然经典处理的应用和含义从数学本身就很明显，但量子处理的方法和结果却需要解释和阐释。我们在这里给出了量子处理的标准解释，但读者会发现，我们的解释虽然内部连贯，但却没有动机。这种解释是在数年的时间里与量子力学机制本身的发展同时发展起来的，但读者应该知道其他解释也是可能的。在本讲座的最后，我们将深入探讨一些围绕量子力学解释的基础问题。这与我们在本书中的其余部分的做法有所不同，在其余部分中，形式主义的发展优先于哲学问题。1 尽管如此，我们希望读者从一开始就意识到，量子力学的世界观与经典的世界观截然不同，留下了许多深刻的哲学问题。欢迎来到量子世界！
来自相对熵的量子和经典麦角属
根据其定义，形容词的成真是指神经系统的生理机械性，以支持生物体消耗能量的能力[1]。将此概念置于物理系统上，然后创造了量子成分，以表示可以通过等激素转化提取的最大工作量[2]。尤其是，量子麦内氏疗法量化了存储在活性量子状态中的能量量，并且可以通过使状态被动提取[3-6]。简单地说，一个被动状态在能量基础上是对角线，其本征态被以其特征值的下降幅度排序。gibbs状态被称为完全被动[3]。量子成分在量子热力学中起着重要作用[7]。尤其是在评估真正量子特性的热力学值[8-11]时，例如挤压和非平衡储层[12，13]，相干性[14，15]或量子相关性[16，17]，它已证明是强大的。但是，如果量子系统与热储层没有接触，则计算量子的麦角镜远非微不足道。这是由于以下事实：麦芽糖是由所有可以在系统上起作用的单位的最大值决定的[2]。请注意，并非所有被动状态都可以通过单一行动，包括完全被动状态来达到。在分析的第二部分中，我们转向一个统一的框架，即几何量子力学。利用这种方法[20-22]，我们定义了几何相对熵。在本文中，鉴于量子的插入可以写成量子和经典的相对熵的差异（特征值分布的kullback -leibler差异），我们定义了经典的成真，从而量化了量子的最大作用，从而逐渐表现出了量子，从而量化了量子的量子，从而可以逐步提取出拟南象中的量子。连贯[18，19]。这样，表征一次性量子工作的方法变得特别透明[23 - 27]。在此范式中，工作是通过第一个测量系统能量而确定的，然后让其在时间依赖性
分子生物学的量子计算
足以建立生化途径的功能网络（经典的例子是糖酵解途径和克雷布斯循环），从而使人们对分子函数的理解可能被视为分子事件的何种词素 - next静态图片。仍然，只有详细的定量物理模拟（与详细的实验具有较高的空间和时间分辨率），将允许高度置信地提取这种图片。经典的分子动力学模拟提供有效的模型，并且可以基于量子力学进行严格的模型（从技术上讲，这是通过Born-Oppenheimer近似近似，该近似是电子和核运动，然后将后者鉴定为经典动力学中的原子运动）。不幸的是，对量子机械方程的更详细的模拟非常困难，只有少数原子才有可能。但是，如果我们要通过当前的硬件和算法开发所推动的量子计算来推进分子模拟，[9-13]我们可能想知道生物分子模拟在多大程度上会从多大程度上受益于这种发展，以及量子计算是否会成为计算量子分子生物学的关键。[15–18]提到的是，问题是，量子计算的新兴分支是否最终可以比传统方法带来重大进步。换句话说，反应虽然正在进行深入的搜索以对生物学功能的量子作用进行深入的搜索，但[19-22]最重要的量子效应首先是植根于生物分子的电子结构，在较小程度上，在其量子核运动中（例如，提高到隧道和动力学同位素效应）。分子的电子结构确实是定量理论描述和通过反应能量和通过Born-Oppenheimer势能表面进行化学反应的定量理论描述和预测的关键（PES；见图1）。
在基于测量的量子计算中识别用于栅极实现的关键码头
摘要 - 基于测量的量子计算（MBQC）是一种强大的技术，依赖于多数纠缠群集状态。要实现一组通用的量子门，因此，MBQC中的任何量子算法，我们都需要按适当的顺序测量群集状态矩阵，然后根据测量结果的进料进行最终校正。在光子量子架构中，Gottesman-Kitaev-Preskill（GKP）Bosonic Continule-Rible-变量（CV）编码是MBQC的绝佳候选者。GKP量子位允许轻松应用纠缠CZ门，用于使用梁拆分器生成资源群集状态。但是，准备高质量，现实，有限的GKP量子量可能是实验中的挑战。因此，可以合理地期望基于GKP的MBQC在群集状态下仅包含少数“良好”质量GKP量子台的实现。相比之下，其他量子位是弱挤压的GKP Qubits，甚至只是挤压真空状态。在本文中，我们分析了一组通用的简历门的性能，当使用不同质量（良好和不良）的GKP量子和挤压真空状态的混合在一起来创建群集状态。通过比较性能，我们确定了群集状态中每个门的关键量子，以实现其MBQC。我们的方法涉及将门的输出与相应的预期输出进行比较。我们介绍了不同栅极实现的逻辑错误率，这是GKP挤压的函数，用于使用Xanadu的草莓田Python库来模拟和确定。索引项 - 基于测量的量子计算，量子连续变量，Gottesman-Kitaev-Preskill Qubits
量子退火实现单幅图像超分辨率
本文提出了一种基于量子计算的算法来解决单图像超分辨率（SISR）问题。SISR 的一个著名经典方法依赖于成熟的逐块稀疏建模。然而，该领域的现状是深度神经网络（DNN）已表现出远超传统方法的效果。不过，量子计算有望很快在机器学习问题中变得越来越突出。因此，在本文中，我们有幸对将量子计算算法应用于 SISR 这一重要的图像增强问题进行了早期探索。在量子计算的两种范式，即通用门量子计算和绝热量子计算（AQC）中，后者已成功应用于实际的计算机视觉问题，其中量子并行性已被利用来有效地解决组合优化问题。本研究展示了如何将量子 SISR 公式化为稀疏编码优化问题，该问题使用通过 D-Wave Leap 平台访问的量子退火器进行求解。所提出的基于 AQC 的算法被证明可以实现比传统模拟更快的速度，同时保持相当的 SISR 精度 1 。
用于高光谱图像分类的量子启发光谱空间金字塔网络
高光谱图像 (HSI) 分类旨在为每个像素分配一个唯一标签，以识别不同土地覆盖的类别。现有的 HSI 深度学习模型通常采用传统学习范式。作为新兴机器，量子计算机在嘈杂的中尺度量子 (NISQ) 时代受到限制。量子理论为设计深度学习模型提供了一种新的范式。受量子电路 (QC) 模型的启发，我们提出了一种受量子启发的光谱空间网络 (QSSN) 用于 HSI 特征提取。所提出的 QSSN 由相位预测模块 (PPM) 和受量子理论启发的类测量融合模块 (MFM) 组成，以动态融合光谱和空间信息。具体而言，QSSN 使用量子表示来表示 HSI 长方体，并使用 MFM 提取联合光谱空间特征。量子表示中使用了 HSI 长方体及其由 PPM 预测的相位。使用 QSSN 作为构建块，我们进一步提出了一种端到端的量子启发式光谱空间金字塔网络 (QSSPN)，用于 HSI 特征提取和分类。在这个金字塔框架中，QSSPN 通过级联 QSSN 块逐步学习特征表示，并使用 softmax 分类器进行分类。这是首次尝试将量子理论引入 HSI 处理模型设计。在三个 HSI 数据集上进行了大量实验，以验证所提出的 QSSPN 框架相对于最新方法的优越性。
第13章。西班牙语期刊中翻译的定量分析（1900-1945）：一种方法论建议
信息仅限于期刊名称和数字，但缺乏有关所包含的文章（例如文章）的信息，该文章发表在给定问题中。因此，当尝试采用大规模的方法和观点时，就不可能完全掌握过去的期刊媒体发表的内容。并不意味着数字化的文本语料库是不合适的或不适合文化研究的。计算语言学和数字工具已根据数字化书籍的文化趋势进行了研究（Michel等人2011; Gulordava和Baroni 2011； Juola 2013）和历史报纸（Lansdall-Welfare等人。2017; Cristianini，Lansdall福利和Dato 2018）。TESE研究，基于将统计方法应用于整个语料库（Tahmasebi et al。2015），定量描述了随着时间的流逝，语言，文化和历史现象的发展。但是，正如Koplenig（2015）所表明的那样，元数据本身是重要的信息来源，需要上下文化和限定结果。te量化的书籍翻译已经是翻译研究中已建立的批准，尽管它忽略了书籍内容，但它最著名的是引起了译本的翻译学，正如Heilbron（1999）所提出的。将大规模的定量分析带入了周期出版物中翻译的研究。特别是在西班牙和拉丁美洲的著作期刊中，已经出版了多少译本，尚无概念，哪些作者的作者已经翻译而来。1数字方法像本文中提出的那样，旨在使我们处于这个位置，不仅要回答这些问题，而且还要深入研究对不同空间和时间的文化期刊的循环和接收的循环和接收。我们认为，这种方法可以有助于提前书本历史，文学史和西班牙裔世界的文学翻译历史。更一般地，对西班牙语现代文学期刊的分析将从二十世纪的前半段分析，将为了解西班牙裔领域的文学现代性提供新的优势点，并将为与书籍翻译进行比较，使我们能够绘制两个平台，或者在这两个平台之间进行文字循环。