2022年10月18日 — ledger。在董事会报告中,QIO 选出的官员将按每个竞争类别中的功绩顺序进行排名。QIO 名单不会公布……
文章标题:人工智能(AI)在医疗保健中的应用:综述 作者:Mohammed Yousef Shaheen[1] 所属机构:沙特阿拉伯[1] Orcid ids:0000-0002-2993-2632[1] 联系电子邮件:yiroyo1235@tmednews.com 许可信息:本作品已根据知识共享署名许可 http://creativecommons.org/licenses/by/4.0/ 以开放获取的方式发表,允许在任何媒体中不受限制地使用、分发和复制,只要正确引用原始作品即可。使用条款和出版政策可在 https://www.scienceopen.com/ 上找到。预印本声明:本文为预印本,尚未经过同行评审,正在考虑并提交给 ScienceOpen Preprints 进行开放同行评审。DOI:10.14293/S2199-1006.1.SOR-.PPVRY8K.v1 预印本首次在线发布:2021 年 9 月 25 日
电路复杂性和成本的概念在量子计算和模拟中起着关键作用,它们捕获了实现幺正所需的(加权)最少门数。类似的概念在全息术研究中的高能物理学中也变得越来越突出。虽然纠缠的概念通常对量子电路复杂性和幺正的成本影响不大,但在本文中,我们讨论了一种简单的关系,即当状态的纠缠和幺正的成本都取小值时,基于量子门纠缠功率值如何相加的想法。这个界限意味着,如果纠缠熵随时间线性增长,那么成本也会线性增长。其含义有两方面:它提供了对短时间内复杂性增长的洞察。在量子模拟的背景下,它允许比较数字和模拟量子模拟器。主要的技术贡献是一个连续变量小增量纠缠界限。
文章标题:抗击 COVID-19:人工智能技术与挑战 作者:Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构:毕业于杜比克大学,联系电子邮件 ID:Patelnikhilr88@gmail.com[1],IEEE 会员,毕业于 Technocrats Institute of Technology,联系电子邮件 ID:sandeep.trived.ieee@gmail.com[2],尼泊尔加德满都佛陀教育基金会[3] Orcid id:0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件:sandeep.trived.ieee@gmail.com 许可信息:本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/,允许在任何媒体中不受限制地使用、分发和复制,前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明:本文为预印本,尚未经过同行评审,正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI:10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布:2022 年 7 月 25 日 关键词:COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控
关于会议,正在组织有关科学,商业和人文新兴趋势的国际跨学科会议,以将来自各个领域的学科专家,崭露头角的研究人员和年轻专业人员汇集在一起。会议的目标是创建一个空间,让参与者有机会呈现其最新的研究结果,与专家互动,交流思想互动,并讨论影响科学,商业和人文学科的关键挑战。本次会议将为各个学科的杰出学科专家提供纸质演讲,讨论和邀请演讲的机会。会议将旨在鼓励合作,并就这些领域的挑战和机遇提供新的观点。
摘要 - 量词计算引入了一种新的计算范式,该范式有望解决无法通过经典计算机效率解决的问题。因此,量子应用程序将越来越多地集成到经典应用中。要将这些复合应用程序带入生产中,需要进行自动部署和编排技术,以避免手动易行错误和耗时的过程。对于非量化应用程序,近年来已经开发了各种部署技术。但是,量子应用程序的部署目前与非量子应用程序显着不同,因此导致了用于部署量子应用程序的不同建模程序。为了克服这些问题,我们提出了TOSCA4QC,该TOSCA4QC介绍了两种部署建模样式,该模型基于拓扑和编排规范的云应用程序(TOSCA)标准(TOSCA)标准,用于自动化量子应用的部署和编排:(i)SDK规格模型的模型,以覆盖所有技术模型,以涵盖所有技术部署详细信息(II)技术的详细信息(II)详细信息(II)详细信息(II)详细信息(II)。原则。我们进一步展示了如何将现有的模型驱动开发(MDD)方法应用于将SDK-静态模型重新定为可执行的SDK特定模型。我们证明了原型实施的实际可行性,作为Tosca生态系统Opentosca的扩展以及IBMQ和量子模拟器的三个案例研究。索引术语 - Tosca,量子计算,部署自动化,建模,编排
Article title: Sentiment Analysis Based on Machine Learning Algorithms: A Comprehensive Study Authors: song jiang[1], Ela Kumar[2] Affiliations: university of houston[1], k l deemed to be university[2] Orcid ids: 0009-0007-8363-7304[1] Contact e-mail: sjiang24@central.uh.edu License information: This work has been在Creative Commons Attribution许可下发布的开放访问http://creativecommons.org/licenses/4.0/,只要适当地引用了原始工作,就可以在任何媒介中不受限制地使用,分发和复制。可以在https://www.scienceopen.com/上找到条件,使用条款和发布政策。预印度语句:本文是预印本,未经同行评审,正在考虑,并提交给ScienceOpen的预印本进行开放的同行评审。doi:10.14293/pr2199.000601.V2预印本在线发布:2024年2月19日
量子计算利用量子力学现象(如叠加和纠缠),能够以更高的精度、更省时省能的方式解决各种问题。然而,量子算法依赖于多个预处理和后处理任务,这些任务通常需要在传统硬件上执行,例如数据准备、结果分析和参数优化。由于目前可用的噪声中型量子 (NISQ) 设备容易出错,当今大多数量子算法都被设计为所谓的变分量子算法 (VQA) [2]。VQA 交替在量子设备上执行参数化量子电路和通过评估执行结果的质量来经典优化量子电路参数。此外,量子设备不适合许多传统任务,例如数据持久化或可视化,这使得它们成为补充传统计算机的特殊协处理器。因此,量子应用本质上是混合的,必须从经典和量子的角度以及它们的集成的角度进行设计[4]。
