XiaoMi-AI文件搜索系统
World File Search Systemtomography
量子卡方断层扫描和互信息测试
量子态层析成像——从 𝑛 副本中学习 𝑑 维量子态——是量子信息科学中一项普遍存在的任务。它是从 𝑛 样本中学习 𝑑 结果概率分布的经典任务的量子类似物。更详细地说，目标是设计一种算法，给定某个（通常是混合的）量子态 𝜌 ∈ C 𝑑 × 𝑑 的 𝜌 ⊗ 𝑛 ，输出（经典描述）估计值 2 ̂︀ 𝜌，该估计值以高概率“𝜖 接近”𝜌。主要挑战是最小化样本（复制）复杂度 𝑛 作为 𝑑 和 𝜖（有时还有其他参数，例如 𝑟 = rank 𝜌 ）的函数。我们还将关注设计仅进行单次复制（而不是集体）测量的算法的实际问题。指定量子断层扫描任务的一个重要方面是“ 𝜖 -close”的含义；即，判断算法估计的损失函数是什么。有很多自然的方法可以测量两个量子态的发散度——甚至比两个经典概率分布的发散度还要多——并且所选择的精确测量方法会对必要的样本复杂度以及最终估计对未来应用的效用产生很大的影响。本文的主要目标是展示一种新的断层扫描算法，该算法实现了最严格的准确度概念（Bures）𝜒 2 -发散度，同时具有与使用不忠诚度作为损失函数的先前已知算法基本相同的样本复杂度。然后，我们给出了一个应用，即量子互信息测试问题，这关键依赖于我们实现关于𝜒 2 -发散度的有效状态断层扫描的能力。
计算机断层扫描的自动表面测定方法
汽车和航空航天领域以及最近的增材制造 (AM) 越来越多地使用 X 射线计算机断层扫描 (XCT) 作为一种无损技术 (NDT) 来检查现代部件的内部和外部特征（几何形状、表面形貌和缺陷），在某些情况下，这些特征是无法使用传统测量技术进行评估的 [1-3]。XCT 仪器在多个角度位置捕获物体/部件的一系列射线投影，随后用于重建该物体的三维 (3D) 表示，如图 1-A 所示。与物体相关的 3D 表示由一组体素组成，这些体素的灰度值与对应于背景的体素的强度不同。在图 1-A 所示的示例中，深灰色体素代表背景，浅灰色体素代表物体（或前景）。几何测量值来自物体的表面，而表面必须从物体的 3D 表示中建立。从初始投影到最终的几何评估，影响测量结果的因素有很多，例如仪器对准、焦点稳定性、用户定义的扫描参数、材料、几何形状、光子-材料相互作用、部件方向、重建和表面确定 (SD) 算法 [4,5]。SD 在 XCT 测量模型中起着至关重要的作用，因为它会影响其他因素对几何测量的影响，即它们相关的灵敏度系数 [6]。SD 算法的作用是
具有噪声门的最佳量子态断层扫描
量子态断层扫描 (QST) 是量子处理器特性描述、验证和确认 (QCVV) 的重要工具。仅在少数理想化场景中，QST 的最优测量集才有解析结果。例如，在非退化测量设置中，QST 的最优最小测量算子集具有相互无偏的特征基。但是，在其他设置中，根据投影算子的秩和量子系统的大小，需要对高效 QST 的最优测量选择进行数值近似。我们通过引入定制高效 QST 框架来概括这个问题。在这里，我们扩展定制 QST，并在测量过程中应用的一些量子门有噪声的情况下寻找 QST 的最优测量集。为了实现这一点，我们使用了两种不同的噪声模型：首先是去极化通道，其次是单量子比特和双量子比特门的过度旋转和不足旋转（有关更多信息，请参阅方法）。通过将我们优化的 QST 测量集的重建保真度与仅使用乘积基的最先进的方案进行比较，我们证明了在实际噪声水平下使用纠缠门对两个量子比特的有效 QST 测量方案的好处。
原子探针断层扫描促进了粉红色的阶段...
主组硫化岩广泛用于相变数据存储[1-3]和静电能量转换。[4 - 6]相变材料（PCM）可以可逆地在无定形状态和晶状状态之间切换，这些状态与二进制数字“ 0”和“ 1”相等。[1,7]上级PCM需要分别具有高速相变（包括高速相变的属性）以及两个状态之间的大型光学和电阻对比，分别是可重写的光学和非挥发性电子数据存储。[1,8]，疗程材料需要大的电导率（σ），如金属中，具有高的seebeck系数（s）（如半轴），以及低导热率（κ）和低的导热率（κ ZT = S2σT /κ的序列。[9-11]有趣的是，这些苛刻且看似矛盾的要求是在一类葡萄菌化合物（例如Gete和SB 2 TE 3）及其合金中发现的。[3,12,13]这种令人惊讶的属性组合促使我们研究了负责属性独特投资组合的潜在机制。材料的特性通常受两种类型的因素约束。其中之一与由组成元素（即通过化学键合机制）连接的固有特性有关。[14]另一个因素与由空缺等结构缺陷控制的外在特性有关，[15,16]位错，[17 - 19]晶界（GBS），[20-23]
具有主动学习的自适应量子层析成像
最近，在量子科学和技术领域取得了巨大进展：量子模拟的不同平台以及量子计算的平台，从超导量子量到中性原子，始于开始，以达到前所未有的大型系统。为了基准这些系统并获得物理见解，需要有效的工具来表征量子状态。系统尺寸的希尔伯特空间的指数增长构成了对量子状态的全面重建，这是根据必要测量的数量而过于要求的。在这里，我们提出并实施了使用主动学习的量子状态效率的效率方案。基于一些初始测量，主动学习协议提出了下一个衡量基础，旨在产生最大信息。我们将主动学习量子状态态度方案应用于具有不同程度的范围的不同多数状态，以及1D中XXZ模型的基态和动力学结合的旋转链的基态。在所有情况下，与基于完全相同数量的测量和测量配置的重建相比，我们都会获得明显改进的重建，但具有最多选择的基础配置。我们的方案与获得量子多体系统以及基准测试和特征量子设备的物理见解高度相关，例如用于量子模拟，并为可伸缩的道路铺平了道路
通过超快衍射进行分子量子态断层扫描
超快电子衍射和时间分辨串行晶体学是持续革命的基础，该革命旨在从原子层面捕捉分子结构动力学的细节。然而，大多数实验仅捕捉核波包的概率密度来确定时间相关的分子结构，而尚未访问完整的量子态。在这里，我们介绍了一种用于制备和从分子旋转波包进行超快相干衍射的框架，并建立了一种用于超快电子衍射的量子态断层扫描的新变体，以表征分子量子态。对于任意自由度的分子，重建密度矩阵（编码波包的振幅和相位）的能力将使我们能够从实验 x 射线或电子衍射数据重建量子分子电影。
量子态断层扫描作为数值优化问题
摘要 我们提出了一个框架，将寻找最有效的量子态断层扫描 (QST) 测量集的方法公式化为一个可以通过数值求解的优化问题，其中优化目标是最大化信息增益。这种方法可以应用于广泛的相关设置，包括仅限于子系统的测量。为了说明这种方法的强大功能，我们给出了由量子比特-量子三元组系统构成的六维希尔伯特空间的结果，例如可以通过 14 N 核自旋-1 和金刚石中氮空位中心的两个电子自旋态来实现。量子比特子系统的测量用秩三的投影仪表示，即半维子空间上的投影仪。对于仅由量子比特组成的系统，通过分析表明，一组半维子空间上的投影仪可以以信息最优的方式排列以用于 QST，从而形成所谓的相互无偏子空间。我们的方法超越了仅有量子比特的系统，我们发现在六维中，这样一组相互无偏的子空间可以用与实际应用无关的偏差来近似。
利用机器学习对时间相关量子哈密顿量进行断层扫描
相互作用的量子汉密尔顿量是量子计算的基础。时间无关的量子汉密尔顿量的基于数据的断层扫描已经实现，但一个开放的挑战是使用从一小部分自旋局部获取的时间序列测量来确定时间相关的量子汉密尔顿量的结构。物理上，自旋系统在时间相关驱动或扰动下的动态演化由海森堡运动方程描述。受这一基本事实的启发，我们阐明了一个物理增强的机器学习框架，其核心是海森堡神经网络。具体来说，我们根据基于海森堡方程的一些物理驱动损失函数开发了一种深度学习算法，该算法“强制”神经网络遵循自旋变量的量子演化。我们证明，从局部测量中，不仅可以恢复局部汉密尔顿量，而且还可以忠实地重建反映整个系统相互作用结构的汉密尔顿量。我们在各种结构的自旋系统上测试了我们的海森堡神经机。在仅从一次自旋进行测量的极端情况下，实现的断层扫描保真度值可以达到约 90%。开发的机器学习框架适用于任何时间相关系统，其量子动力学演化受海森堡运动方程控制。
脑血流断层扫描：氙-133 与异丙基-
使用氙-133 和异丙基苯丙胺碘-123 (IMP) 对 11 名受试者（一名正常人、两名肿瘤患者和八名脑血管患者）获取了局部脑血流 (CBF) 的断层扫描图。使用高灵敏度的四面快速旋转单光子发射断层扫描仪。Xe-133 血流图基本上基于吸入惰性气体 1 分钟期间和之后最初 2 分钟内的平均 Xe-133 浓度。这些图与静脉推注后最初 10 分钟内获取的早期 IMP 图非常吻合。随后的 IMP 断层扫描图显示，病变区域和对侧区域之间的 CBF 比率略有下降，下降幅度约为 5 个百分点。结论是 Xe-133 更实用：成本低、可用 7 天、易于重复、无需动脉采样即可量化，并且对患者和工作人员的辐射暴露量低。另一方面，IMP 提供的图像分辨率略高。它还引入了一类新的碘化脑探寻化合物，也许可以对
刺激的拉曼散射断层扫描，用于快速三...
摘要。三维（3D）成像对于理解复杂的生物学和生物医学系统至关重要，但是活细胞和组织成像应用仍然面临着由于成像速度的限制速度和强烈散射而面临的挑战。在这里，我们提出了一种独特的相调节刺激的拉曼散射断层扫描（PM-SRST）技术，以实现细胞和组织中的无标记的3D化学成像。为了完成PM-SRST，我们使用空间光调节器来电子方式操纵沿针头贝塞尔泵束的聚焦Stokes束进行SRS层析成像，而无需进行机械Z扫描。我们通过实时监测以8.5 Hz体积速率的水中的三键珠的3D布朗运动以及对MCF-7细胞中乙酸刺激剂的即时生化反应，证明了PM-SRST的快速3D成像能力。此外，将贝塞尔泵束与更长的波长stokes梁（NIR-II窗口）相结合，在PM-SRST中提供了出色的散射弹性能力，从而在更深的组织区域中可以快速断层扫描。与传统的点扫描相比，PM-SRST技术在高度散射介质（例如聚合物珠幻影和诸如猪皮肤和脑组织等生物学）的成像深度方面提供了〜双重增强。我们还通过观察氧化氘分子到植物根中的动态扩散和摄取过程来证明PM-SRST的快速3D成像能力。开发的快速PM-SRST可用于促进代谢活性的无标签3D化学成像以及活细胞和组织中药物输送和治疗剂的功能动态过程。