我要感谢我的学术导师 John Preskill 的深刻指导。他为这篇论文中的许多想法埋下了种子。我感谢 Oskar Painter 和他的团队成员,特别是 Eunjong Kim 和 Xueyue “Sherry” Zhang,感谢他们进行了许多有趣的讨论,并提出了他们对量子信息的不同看法。我感谢 Fernando Brandão 和 Xie Chen 与 John 和 Oskar 一起担任我的论文答辩委员会成员。我从加州理工学院的许多研究人员、访问过加州理工学院的人以及我在其他地方遇到的人那里受益匪浅,这里就不一一列举了,我对他们每个人都心存感激。我想特别提到一些我曾多次交谈过的人:Victor Albert、Michael Beverland、Thom Bohdanowicz、Aaron Chew、Richard Kueng,尤其是 Aleksander Kubica。我非常感谢 ARO-LPS (W911NF-18-1-0103) 和 NSF (PHY-1733907) 的资助。我使用“vZome”软件 (https://vzome.com/home/) 创建了第 4 章中的几个图形。最后,我要感谢我的家人和朋友一直以来的支持。
RAIN项目是Caltech和NASA-JPL之间在分布式计算和数据存储系统上用于未来太空传播任务的研究合作。该项目的目标是识别和开发关键的构建块,以使用廉价的现成组件构建的可靠分布式系统。雨水平台由通过多个接口连接到以耐故障拓扑配置的网络连接的计算和/或存储节点的异质群组成。雨软件组件与操作系统服务和标准网络协议结合使用。通过软件实践的容错公差,系统可耐受多个节点,链接和开关故障,而没有单个故障点。雨水技术已转移到雨水最终方面,这是一家专注于创建集群解决方案以提高互联网数据中心的性能和可用性的初创公司。
脑机接口 (BMI) 是开发大规模神经活动记录创新技术的一种高要求应用。在加州理工大学帕萨迪纳分校、巴黎 ESPCI 医学物理研究所和 Iconeus Paris 之间的跨大西洋合作 (NIH 资助) 框架内,我们开发并实施了第一个基于功能性超声 (fUS) 的 BMI,这是一种最近开发的微创神经成像技术,结合了高空间和时间分辨率以及深层脑覆盖 (Macé 等人,2011)。
∗关键字:算法决策,仪器变量,倾向得分,回归不连续设计,Covid-19医院救济资金†NARITA:耶鲁大学经济学系,电子邮件:Yusuke.narita@yale.edu。YATA:威斯康星大学 - 麦迪逊分校经济学部门,电子邮件:yata@wisc.edu。 ‡ For their suggestions, we are grateful to Joseph Altonji, Josh Angrist, Tim Armstrong, Yingying Dong, Ivan Fernandez-Val, Pat Kline, Michal Kolesár, Chris Walters, and seminar participants at the ACM Conference on Equity and Access in Algorithms, Mechanisms, and Optimization (EAAMO '21), American Economic Association, Berkeley, BU,Caltech,Columbia,Cemfi,反事实机器学习研讨会,计量经济学会,欧洲经济协会,Hitotsubashi,Jsai,Michigan,Stanford,Stanford,UC Irvine,Tokyo University,Tokyo University,Virtual Market Market Design Anminar和Yale。 我们特别感谢Aneesha Parvathaneni,Richard Liu,Richard Gong和其他一些人获得专家研究帮助。YATA:威斯康星大学 - 麦迪逊分校经济学部门,电子邮件:yata@wisc.edu。‡ For their suggestions, we are grateful to Joseph Altonji, Josh Angrist, Tim Armstrong, Yingying Dong, Ivan Fernandez-Val, Pat Kline, Michal Kolesár, Chris Walters, and seminar participants at the ACM Conference on Equity and Access in Algorithms, Mechanisms, and Optimization (EAAMO '21), American Economic Association, Berkeley, BU,Caltech,Columbia,Cemfi,反事实机器学习研讨会,计量经济学会,欧洲经济协会,Hitotsubashi,Jsai,Michigan,Stanford,Stanford,UC Irvine,Tokyo University,Tokyo University,Virtual Market Market Design Anminar和Yale。我们特别感谢Aneesha Parvathaneni,Richard Liu,Richard Gong和其他一些人获得专家研究帮助。
这次演讲原本是为了 1981 年在 Endicott House 举办的物理与计算会议 40 周年而准备的,所以我认为应该从 1981 年开始。当时我是加州理工学院的一名大四学生,费曼准备在 Endicott House 会议 [13] 上发表主题演讲的时候我肯定在场,那是人们第一次认真思考量子计算。我在加州理工学院的时候并没有听说过这个,事实上,直到很晚我才看到费曼的论文。但我想提一下我在加州理工学院听到的他的另一场演讲,那场演讲表明他当时正在思考物理学基础问题。费曼的演讲是关于负概率的。在演讲开始时,他解释说他一直在研究贝尔定理,该定理表明量子物理不可能是局部现实的隐变量理论。这意味着,任何对量子力学的解释要么需要非局域性,要么需要非现实性(这里的局域性意味着信息不能比光传播得更快,而现实性意味着你可以测量的东西对应于粒子的具体属性)。费曼解释说,他所做的就是仔细研究证明贝尔定理的假设,看看是否存在任何隐藏的假设。事实上,他找到了一个——假设所有概率都在 0 到 1 之间。他推断,如果概率可以小于 0 或大于 1,那么也许有办法解决 EPR 悖论,但当你计算任何你可以实际观察到的概率时,计算会将这些不切实际的概率相加,得到一个介于 0 和 1 之间的结果。这并不像乍一听那么离谱——谐振子的维格纳函数就是这样表现的,费曼对此进行了评论。他继续展示了他关于负概率的一些发现;我不太记得这部分内容了。早在 1964 年的一系列讲座中 [12],费曼就说过
约翰·普雷斯基尔是加州理工学院的理查德·费曼理论物理学教授,也是加州理工学院量子信息与物质研究所所长。普雷斯基尔于 1980 年获得哈佛大学物理学博士学位,并于 1983 年加入加州理工学院任教。普雷斯基尔的职业生涯始于粒子物理学和宇宙学,但现在他的主要研究领域是量子信息科学。他感兴趣的是如何构建和使用量子计算机,以及我们对量子信息的深入理解如何阐明基础物理学中的问题。您可以在 Twitter 上关注他 @preskill。
Quadrelli 博士是首席研究技术专家,也是 JPL 机器人部门机器人建模与仿真小组的主管。他是复杂空间系统动力学和控制建模方面的专家。他拥有意大利帕多瓦机械工程学位、麻省理工学院航空航天学硕士学位和佐治亚理工学院航空航天工程博士学位。他曾是哈佛-史密森天体物理中心、造纸科学与技术研究所的客座科学家,以及加州理工学院研究生航空实验室的讲师。1997 年加入 NASA JPL 后,他为许多飞行项目做出了贡献,其中包括卡西尼-惠更斯探测器、深空一号、火星飞行器测试计划、火星探测车、空间干涉测量任务、自主会合实验和火星科学实验室等。他曾担任木星冰卫星轨道器项目的姿态控制负责人,以及激光干涉仪空间天线的综合建模任务经理。他曾领导或参与多个独立研发项目,涉及计算微力学、系留空间系统动力学与控制、编队飞行、充气孔径、高超音速进入、精确着陆、柔性多体动力学、航天器群制导、导航与控制、地面力学以及光学系统精确指向等领域。他目前的研究兴趣是多领域、多物理、多体、多尺度基于物理的建模、动力学和控制。他是美国航空航天学会副研究员、美国宇航局高级概念研究所研究员和加州理工学院/凯克空间研究所研究员。
凯蒂·加洛韦(Katie Galloway)是马萨诸塞州理工学院生物医学工程和化学工程学的W. M. Keck职业发展教授。她的实验室专注于开发综合基因回路和阐明theSystems -levelPrinciplesthatgoverncell -fateTransitionSwithThtheGoalofeneeringCellandgene疗法。Galloway从加利福尼亚技术学院获得了化学工程博士学位和MS,并获得了加利福尼亚大学伯克利分校的化学工程学士学位。她在南加州大学完成了博士后工作。她的研究曾在科学,细胞干细胞,细胞系统,细胞报告和开发中发表。她赢得了多个奖学金和奖项,包括NSF职业,BMES Cellular和Molecular Bioworkeering Rising Star奖,普林斯顿的CBE Saville讲座奖,NIH最大化研究人员研究奖,NIH F32和Caltech Everhart奖。