摘要:在经典计算中,Toom-Cook 是一种大数乘法方法,与其他算法(如教科书乘法和 Karatsuba 乘法)相比,其执行时间更快。对于量子计算中的使用,先前的工作考虑了 Toom-2.5 变体,而不是经典的更快、更突出的 Toom-3,主要是为了避免后者电路固有的非平凡除法运算。在本文中,我们研究了 Toom-3 乘法的量子电路,预计该电路的深度会比 Toom-2.5 电路的渐近更低。具体来说,我们设计了相应的量子电路,并采用了 Bodrato 提出的序列,以减少运算次数,特别是在非平凡除法方面,每次迭代减少到仅一次精确的 3 除法电路。此外,为了进一步降低剩余除法的成本,我们利用特定除法电路的独特属性,将其替换为常数乘以互易电路和相应的交换运算。我们的数值分析表明,与 Toom-2.5 相比,所得电路在 Toffoli 深度和量子比特数方面确实具有较低的渐近复杂度,但具有大量主要来自于实现除法运算的 Toffoli 门。
Gottesman-Knill定理指出,可以在经典计算机上效率地模拟作用于施工状态的克利德电路。最近,该结果已被普遍覆盖接近多个稳定剂状态的连贯叠加的输入。classical模拟的运行时间受稳定范围的控制,该稳定剂范围大致测量了近似状态需要多少稳定剂状态。一个重要的开放问题是确定在张量产品下是否具有乘法性的程度。效果答案将产生用于计算产品输入程度的有效算法,而负面结果意味着存在更有效的经典算法来模拟大型量子电路。在这里,我们以负面的方式回答这个问题。我们的结果遵循一组稳定器状态的一般特性,例如具有在维度中缩放的大小,因此可以很容易地适应其他资源理论的类似结构。
组合性是生物和人工神经网络的基本结构特征。通过梯度下降学习组合函数会产生众所周知的问题,例如梯度消失和梯度爆炸,因此仔细调整学习率对于实际应用至关重要。本文证明乘法权重更新满足针对组合函数定制的下降引理。基于此引理,我们推导出 Madam(Adam 优化器的乘法版本),并表明它可以在不调整学习率的情况下训练最先进的神经网络架构。我们进一步表明,通过在对数系统中表示权重,Madam 很容易适应训练原生压缩神经网络。最后,我们总结了乘法权重更新与生物学中关于突触的最新发现之间的联系。
识别外星生命是太空研究中最令人兴奋和最具挑战性的努力之一。可以从生物元素,同位素和分子中推断出灭绝或现存生命的存在,但是需要准确和敏感的仪器来检测这些物种。在这张白皮书中,我们表明基于激光的质谱仪是原位鉴定原子,同位素和分子生物签名的有前途的仪器。给出了开发用于空间探索的激光射击/电离质谱(LIM)和激光解吸/电离质谱(LD-MS)仪器的概述。他们的用途是在火星场景和欧罗巴场景的背景下讨论的。我们表明,基于激光的质谱仪具有多功能和技术范围内的仪器,具有许多有益的特征可检测生命。fu-future行星着陆器和漫游者任务在其科学有效载荷中利用基于激光的质谱工具。
抽象资源理论在量子信息理论中起着重要的作用,因为它们确定了足智多谋的状态和渠道,这些国家和渠道可能对否则无法到达的任务有可能有用。基于自由状态和自由操作的定义的这种理论的基本结构,可以成功地适应不同的非经典方面,例如量子相干性和纠缠,但仍不清楚是否可以扩展此类形式上的框架以及多远。在这项工作中,通过将信息作为最原始的量子资源和定义的销售资源摧毁的操作,我们开发了一种统一的方法,证明能够涵盖几个非经典方面,包括新开发的量子不真实和基于现实主义的非局限性的概念。
最小化可编程逻辑器件和专用处理器微电子器件上离散信号频率选择数字算法硬件和软件实现的硬件成本[1]。这些任务可以而且应该通过最少算术乘法运算的级联数字滤波方法和不执行算术乘法运算的多频带数字滤波(MDF)方法来解决[2],[3],[4]。最少算术乘法运算的计算级联数字滤波算法可以基于幅频特性(AFC)具有对称性的NDF、基于Walsh NDF或基于齐次和三角数字滤波器来实现[5]。没有算术乘法运算的计算MDF算法可以而且应该在低位系数的NDF基础上、在低位系数的差分数字滤波器(DDF)基础上、或在整数系数的DDF基础上实现[6],[7]。对于采样周期为 T 的 MDF 复信号 {х(nТ)},使用低通数字滤波器 (LDF) 的此类算法,仅需在 𝑛ൌ0,1,2…𝑁െ1 处添加和移位其第 n 个时间样本即可执行信号的 N 点离散傅里叶变换 (DFT) [8]。本研究的目的是比较分析离散信号的频率选择数字方法,以构建其无需算法乘法运算的算法,并确定在不执行算术乘法运算的情况下将此类方法用于离散信号的多级 DFT 的必要和充分条件 [9],[10]。该研究使用了具有最少数量的算法乘法运算的级联数字滤波算法和不执行算法乘法运算的 MDF 的计算程序 [11],[12]。此类算法的比较分析结果以及硬件和软件建模已经证明并减少了硬件
1. 引言 VLSI 技术在速度和尺寸方面的进步使得实现并行乘法器硬件成为可能。技术发展进一步确保了更好的性能特征和在 DSP 系统中的广泛使用。它执行诸如累加多个乘积之和之类的操作的速度比普通微处理器快得多。DSP 架构旨在执行并行操作,从而降低计算复杂性并提高此类应用中重复信号处理所需的速度[1]。这些功能旨在提高可编程 DSP 的速度和吞吐量。对于给定的应用,有大量可编程 DSP 可供选择,具体取决于速度、吞吐量、算术能力、精度、规模、成本和功耗等因素[2]。单芯片乘法器的引入及其与微处理器架构的结合是能够实现 DSP 功能的商用 VLSI 芯片面市的最重要原因[3]。并行前缀加法器被认为是最有效的二进制加法电路。它们的规则结构和快速性能使得它们特别适合实现 VLSI[4]。数字的乘积生成需要一个处理器周期。无论是基于软件的移位和加法算法,还是一个
第一作者 Ragini Singh 是电子和通信工程师,目前正在印度博帕尔 (MP) RGPV 攻读微电子和 VLSI 设计硕士学位。第二作者 Sandip Nemade 教授拥有 VLSI 设计学位,目前担任印度博帕尔 (MP) 技术学院电子和通信系助理教授。