XiaoMi-AI文件搜索系统
World File Search Systemdinger
通过得分和流匹配
我们提出了无模拟分数和流匹配（[SF] 2 m），这是一种用于推断自随机动力学的无模拟Objective，给出了从任意源和目标分布中绘制的未配对样品。我们的方法一般 - 扩散模型训练中使用的得分匹配损失以及最近提出的流量匹配损耗用于训练连续归一化流量。[SF] 2 m将连续的随机构成建模为Schrödinger桥概率。它依赖于静态熵调查的最佳传输或Minibatch近似，以有效地学习SB，并使用模拟学习的随机过程。我们发现[SF] 2 m更有效，并且比先前的工作中基于仿真的方法为SB问题提供了更准确的解决方案。最后，我们将[SF] 2 m应用于快照数据学习细胞动力学的问题。值得注意的是，[SF] 2 m是在高维度中准确模拟细胞dynamics的第一种方法，并且可以从模拟数据中恢复已知的基因调节网络。我们的代码可在https://github.com/ atong01/conditional-flow-matching的TorchCFM软件包中找到。
Observing Schrödinger's Cat with Artificial Intelligence
我们对从Schrödinger的CAT量子状态收集的随机局部测量数据进行训练。我们证明，由于信息瓶颈而导致的语言模型中出现了经典现实：尽管我们的培训数据包含有关Schrödinger的CAT的完整量子信息，但弱语言模型只能学会从数据中捕获猫的经典现实。我们以量子系统的大小和经典智能代理的信息处理能力来确定量子经典边界，这表明更强的代理可以在量子系统周围的环境噪声中实现更大的量子性质。我们的方法为使用嘈杂的中间规模量子量子（NISQ）设备生成的大数据开辟了新的途径，以训练生成模型，以表示量子运算符的表示，这可能是我们迈出的最终目标，即创建人工智能量子物理学。
分数薛定谔方程中双曲双阱势的量子信息熵
摘要：在本研究中，我们研究了双曲双阱势 (HDWP) 的分数阶薛定谔方程 (FSE) 中的位置和动量香农熵，分别表示为 S x 和 S p 。我们在分析中探索了用 k 表示的分数阶导数的各种值。我们的研究结果揭示了有关低位态的位置熵密度 ρ s ( x ) 和动量熵密度 ρ s ( p ) 的局部化特性的有趣行为。具体而言，随着分数阶导数 k 的减小，ρ s ( x ) 变得更加局部化，而 ρ s ( p ) 变得更加非局部化。此外，我们观察到随着导数 k 的减小，位置熵 S x 减小，而动量熵 S p 增加。特别地，这些熵的总和随着分数阶导数 k 的减小而持续增加。值得注意的是，尽管随着 HDWP 深度 u 的增加，位置 Shannon 熵 S x 增加，动量 Shannon 熵 S p 减少，但 Beckner–Bialynicki-Birula–Mycielski (BBM) 不等式关系仍然成立。此外，我们研究了 Fisher 熵及其对 HDWP 深度 u 和分数阶导数 k 的依赖关系。结果表明，Fisher 熵随着 HDWP 深度 u 的增加和分数阶导数 k 的减小而增加。
分数阶薛定谔方程中双曲势的量子信息熵
摘要：本文通过计算位置熵和动量熵，研究了分数阶薛定谔方程（分数阶导数（0 < n ≤ 2））中两个双曲单阱势的 Shannon 信息熵。我们发现，随着分数阶导数 n 的减小，波函数会向原点移动；在分数阶体系中，即当 n 值较小时，位置熵密度局域化程度越来越严重，而动量概率密度非局域化程度越来越高。然后，我们研究了 Beckner Bialynicki-Birula–Mycieslki（BBM）不等式，发现虽然该不等式随着双曲势 U 1 （或 U 2 ）的深度 u 的增加而逐渐减小（或增大），但 Shannon 熵对于不同的深度 u 仍然满足该不等式。最后，我们还进行了 Fisher 熵的计算，发现 Fisher 熵随势阱深度 u 的增加而增大，分数阶导数n减小。
Edinger, P.、Phong Van Nguyen, C.、Takabayashi, A Y.、Antony, C.、Talli, G. 等人 (2022) 具有低功耗 MEMS 调谐的分插硅环谐振器
硅光子学正迅速扩展到传感和微波光子学等新应用领域 [1]。此类应用需要可调谐滤波器，而可使用波导环形谐振器 (RR) 高效构建。此类无限脉冲响应 (IIR) 滤波器也可采用可配置的循环波导网格灵活实现，但由于光学长度较长且采用多个分立元件，因此品质因数 (Q) 和自由光谱范围 (FSR) 较低。此外，由于采用了热光驱动，当前代工平台中可用的有源元件功耗在 mW 级。基于 MEMS 的元件对于可编程电路而言颇具吸引力，因为它们可以在短光学长度内高效调整相位或功率，功耗低于 µW [2]。MEMS 执行器已用于可调 RR [3-5]，但尚未出现可控制相位和两个耦合器的紧凑型分插环。 Chu 和 Hane 展示了一种光学长度极短、谐振调谐范围大的 RR，但 Q 值限制为 1.6 × 103 [ 3 ]。Park 等人报道了完全可重构环，但 FSR 低于 0.2 nm [ 5 ]。这里，我们展示了一个分插环谐振器，其 FSR 为 4 nm，并且对相位（失谐）和两个定向耦合器均进行了模拟控制。该设备是在 IMEC 的 iSiPP50G 代工平台上实现的，经过了一些后处理步骤。
使用Thermo Scientific Cryo-Em和Schrödinger平台的加急基因到药物的方法
图3。左，使用Pharma专用的Thermo Scientific Krios G4 Cryo-Tem高端显微镜具有保证的高通量，可用于迭代结构测定。右，4个代表性残基的细节显示了从EM数据收集和拟合模型中重建的库仑电势。可以看出，数据足以确定大多数侧技术的位置。
多元函数的量子傅里叶分析及其对一类薛定谔型偏微分方程的应用
在这项工作中，我们基于傅里叶分析开发了一种高效的函数和微分算子表示。利用这种表示，我们创建了一种变分混合量子算法，用于求解静态、薛定谔型、哈密顿偏微分方程 (PDE)，使用空间高效的变分电路，包括问题的对称性以及全局和基于梯度的优化器。我们使用该算法通过计算三个 PDE（即一维量子谐振子和 transmon 和 flux 量子比特）中的基态来对表示技术的性能进行基准测试，研究它们在理想和近期量子计算机中的表现。利用这里开发的傅里叶方法，我们仅使用三到四个量子比特就获得了 10-4 –10-5 阶的低保真度，证明了量子计算机中信息的高度压缩。实际保真度受到实际计算机中成本函数评估的噪声和误差的限制，但也可以通过错误缓解技术来提高。
使用门集断层扫描技术表征超导量子比特的中路测量 Kenneth Rudinger、Guilhem J. Ribeill、Luke CG Govia、Mat
发生在量子电路内部层的测量（中电路测量）是一种重要的量子计算原语，最显著的特点是用于量子误差校正。中电路测量既有经典输出也有量子输出，因此它们可能会受到终止量子电路的测量所不存在的误差模式的影响。在这里，我们展示了如何使用一种称为量子仪器线性门集断层扫描 (QILGST) 的技术来表征由量子仪器建模的中电路测量。然后，我们应用该技术来表征多量子位系统内超导传输量子位的色散测量。通过改变测量脉冲和后续门之间的延迟时间，我们探索了残余腔光子群对测量误差的影响。QILGST 可以解析不同的误差模式并量化测量的总误差；在我们的实验中，对于超过 1000 纳秒的延迟时间，我们测得的总误差率（即半钻石距离）为 ϵ ⋄ = 8 . 1 ± 1 。 4%、读出保真度为 97 . 0±0 . 3%、测量 0 和 1 时输出量子态保真度分别为 96 . 7±0 . 6% 和 93 . 7±0 . 7%。
Edinger , P. , Takabayashi , A Y. , Errando-Herranz , C. , Khan , U. , Sattari , H. 等人。 (2021) 用于 SC 的硅光子微机电移相器
可编程光子集成电路正成为量子信息处理和人工神经网络等应用的一个有吸引力的平台。然而，由于商业代工厂缺乏低功耗和低损耗的移相器，目前的可编程电路在可扩展性方面受到限制。在这里，我们在硅光子代工平台 (IMEC 的 iSiPP50G) 上展示了一种带有低功耗光子微机电系统 (MEMS) 驱动的紧凑型移相器。该设备在 1550 nm 处实现 (2.9 π ± π) 相移，插入损耗为 (0.33 + 0.15 − 0.10) dB，V π 为 (10.7 + 2.2 − 1.4) V，L π 为 (17.2 + 8.8 − 4.3) µ m。我们还测量了空气中的 1.03MHz 的驱动带宽 f − 3 dB。我们相信，我们在硅光子代工厂兼容技术中实现的低损耗和低功耗光子 MEMS 移相器的演示消除了可编程光子集成电路规模化的主要障碍。© 2021 美国光学学会