了解相互作用的粒子如何接近热平衡是量子模拟器面临的主要挑战 1,2。要充分释放此类系统以实现这一目标,需要灵活的初始状态准备、精确的时间演化和对最终状态表征的广泛探测。在这里,我们介绍了一个由 69 个超导量子比特组成的量子模拟器,它支持通用量子门和高保真模拟演化,其性能在交叉熵基准实验中超出了经典模拟的范围。与纯模拟模拟器相比,这个混合平台具有更多功能的测量功能,我们利用这些功能揭示了 XY 模型中由粗化引起的 Kibble-Zurek 缩放预测 3 的崩溃,以及经典的 Kosterlitz-Thouless 相变的特征 4。此外,数字门可以实现精确的能量控制,使我们能够研究本征态热化假设 5-7 对本征谱目标部分的影响。我们还展示了成对纠缠二聚体状态的数字制备,并对模拟演化中随后的热化过程中能量和涡度的传输进行了成像。这些结果确立了超导模拟数字量子处理器在多体光谱中制备状态和揭示其热化动力学方面的有效性。
预印本(未经同行评审认证)是作者/资助者。保留所有权利。未经许可不得重复使用。此版本的版权所有者于 2024 年 11 月 25 日发布。;https://doi.org/10.1101/2022.12.14.519751 doi:bioRxiv 预印本
致谢。我们感谢 WM Keck 基金会、国立卫生研究院(NIH 拨款 1R01-HL098437)、美以双边科学基金会(BSF 拨款 2012219 和 BSF 拨款 2020020)、海军研究办公室(ONR 拨款 ONR 拨款 000141010078)的支持。 FL 感谢欧盟“地平线”研究与创新计划(根据玛丽居里资助协议编号 754411 和 101066790)、奥地利科学基金 (FWF)(资助编号 PT1013M03318)以及 NextGenerationEU(通过帕多瓦大学 TAlent in ReSearch@University – STARS@UNIPD(项目 BRAINCIP——大脑关键性和信息处理))的支持。
在高强度钢(HSS)梁中使用周期性的基于椭圆形的网络(EBW)开口在近年来越来越受欢迎,这主要是由于高强度重量比和降低地板高度,这是由于允许不同的公用事业服务通过网络开放的原因。但是,这些部分容易受到Web-Post屈曲(WPB)故障模式的影响,因此必须使用准确的设计工具来预测Web-Post屈曲容量。因此,本文旨在通过(EBW)开口(EBW)开口来预测HSS光束中WPB容量的各种机器学习(ML)方法的能力,并评估现有分析设计模型的性能。为此,考虑了S460,S690和S960钢等级,开发和验证了数值模型,目的是进行总共10,764个Web-POST有限元模型。该数据用于训练和验证包括人工神经网络(ANN),支持向量机回归(SVR)和基因表达编程(GEP)的不同ML算法。最后,本文提出了用于WPB电阻预测的新设计模型。结果将详细讨论,并将其与数值模型和现有的分析设计方法进行了比较。基于机器学习预测的提议的设计模型被证明是功能强大,可靠和高效的设计工具,可用于对HSS梁的WPB电阻进行定期(EBW)开口的WPB电阻。
量子临界系统因其对扰动的固有敏感性而成为探索新测量诱导现象的有吸引力的平台。我们使用显式协议研究测量对典型 Ising 量子临界链的影响,其中关联的辅助粒子与临界链纠缠,然后进行投影测量。使用由大量数值模拟支持的微扰分析框架,我们证明测量可以定性地改变临界相关性,其方式取决于纠缠门的选择、辅助测量基础、测量结果和辅助相关性的性质。我们进一步表明,通过后选择高概率测量结果,或者在某些情况下,通过对位于不同对称扇区的测量结果分别平均可观测量,可以在具有 100 阶量子比特的实验中以令人惊讶的速度高效地实现测量改变的 Ising 临界性。我们的框架自然适应更奇特的量子临界点,并突出了在嘈杂的中尺度量子硬件和里德伯阵列中实现的机会。
图 1| LRTC 将 NC、SCD 和 MCI 队列分离。a、左:每个队列代表性参与者的颞上皮质(红色区域)的 MEG 宽带时间序列(蓝色 = 神经典型对照 (NC)、绿色 = 主观认知衰退 (SCD) 和橙色 = 轻度认知障碍 (MCI))。中间:窄带 (10.6 Hz) 区域时间序列及其振幅包络。右:相应的平均 DFA 指数)。b,平均 DFA 指数,在区域和队列内取平均值。阴影区域表示自举(n=10,000)95% 置信区间。红色菱形突出显示具有显着差异的频率(Kruskal-Wallis 检验,p<0.05,FDR 校正)。c,平均 DFA 指数在各队列之间的成对差异。红色菱形突出显示显着差异。 d,DFA 指数的密度图(左)在 alpha 内平均(7
量子临界性源自许多相互作用的量子粒子的集体行为,通常发生在物质不同相之间的过渡阶段。它是凝聚态物理学的基石之一,我们利用动态驱动的现象在嘈杂的中尺度 (NISQ) 量子设备上访问它。我们通过 Kibble-Zurek 过程探测可编程超导量子芯片上一维量子 Ising 模型的临界特性,获得缩放定律,并估计临界指数,尽管硬件上存在固有的错误源。此外,我们研究了 NISQ 计算机的改进(更多量子比特,更少噪声)将如何巩固这些通用物理属性的计算。单参数噪声模型捕捉了缺陷的影响并重现了实验数据。其系统研究表明,噪声与温度类似,在系统中引入了新的长度尺度。我们引入并成功验证了修改后的缩放定律,直接考虑了噪声,而无需任何先验知识。它使提取物理属性的数据分析对噪声透明。通过了解不完美的量子硬件如何改变物质量子态的真正属性,我们大大增强了 NISQ 处理器解决量子临界性以及其他潜在现象和算法的能力。
本研究基于当代的提议,即不同的意识状态可以通过神经复杂性和临界动力学来量化。为了检验这一假设,研究旨在使用复杂性和临界性框架中的非线性技术以及功率谱密度来比较三种冥想条件的电生理相关性。30 名冥想熟练的参与者在一个会话中接受了 64 通道脑电图 (EEG) 测量,该会话包括无任务基线休息(闭眼和睁眼)、阅读条件和三种冥想条件(无思绪空虚、存在监测和集中注意力)。使用临界理论(去趋势波动分析、神经元雪崩分析)、复杂性度量(多尺度熵、Higuchi 分形维数)和功率谱密度的分析工具对数据进行了分析。对比了任务条件,并比较了效果大小。应用偏最小二乘回归和受试者操作特性分析来确定每个测量的判别准确度。与闭眼休息相比,冥想类别空虚和集中注意力显示出更高的熵值和分形维数。在所有冥想条件下,长程时间相关性均下降。集中注意力和阅读的临界指数值最低。伽马波段(0.83-0.98)、全局功率谱密度(0.78-0.96)和样本熵(0.86-0.90)的判别准确率最高。确定了不同冥想状态的电生理相关性,并确定了非线性复杂性、关键大脑动力学和光谱特征之间的关系。冥想状态可以用非线性测量来区分,并通过神经元复杂程度、长程时间相关性和神经元雪崩中的幂律分布来量化。
摘要:本文介绍了最近开发的饥饿游戏搜索(HGS)优化算法的应用。HGS与混乱的地图相结合,提出了新的混乱饥饿游戏搜索(CHGS)。它用于解决最佳功率流(OPF)问题。OPF的解决方案是为了最大程度地减少发电成本,同时满足了系统的约束。此外,本文为混合可再生能源,光伏和风电场提供了最佳选址。此外,还研究了添加可再生能源对整体发电成本价值的影响。优化问题的探索场是每个研究系统中每个发电机的主动输出功率。CHG还获得了最佳的候选设计变量,该变量对应于最低可能的成本函数值。通过对两个标准IEEE系统进行模拟的20个独立时间-IEEE 57-BUS和118-BUS系统,可以验证引入的CHGS算法的鲁棒性。获得并分析了所获得的结果。基于CHG的OPF被发现具有竞争力,并且优于用于解决文献中相同优化问题的其他优化算法。本文的贡献是在应用于OPF问题时测试对所提出的方法的改进,以及在引入的目标函数上添加可再生能源的研究。
。CC-BY-NC-ND 4.0 国际许可证永久有效。它以预印本形式提供(未经同行评审认证),作者/资助者已授予 bioRxiv 许可,可以在该版本中显示预印本。版权所有者于 2021 年 1 月 11 日发布了此版本。;https://doi.org/10.1101/2020.08.24.260588 doi: bioRxiv preprint