XiaoMi-AI文件搜索系统
World File Search System保真度
基于量子态保真度的量子-经典协同训练架构
摘要 最近的进展凸显了当前量子系统的局限性，特别是近期量子设备上可用的量子比特数量有限。这一限制极大地限制了可以利用量子计算机的应用范围。此外，随着可用量子比特的增加，计算复杂性呈指数增长，带来了额外的挑战。因此，迫切需要有效使用量子比特并减轻当前的限制和未来的复杂性。为了解决这个问题，现有的量子应用试图将经典系统和量子系统集成在一个混合框架中。在本文中，我们专注于量子深度学习，并介绍一种名为 co-TenQu 的协作经典量子架构。经典组件采用张量网络进行压缩和特征提取，使高维数据能够编码到具有有限量子比特的逻辑量子电路上。在量子方面，我们提出了一种基于量子态保真度的评估函数，通过双方之间的反馈回路迭代训练网络。co-TenQu 已在模拟器和 IBM-Q 平台上实现和评估。与最先进的方法相比，co-TenQu 在公平环境下将经典深度神经网络的性能提升了 41.72%。此外，它的性能比其他基于量子的方法高出 1.9 倍，在实现相似准确度的同时，使用的量子比特数却减少了 70.59%。
迈向算法的保真度：综合与人类生成的数据中人口统计学的心理健康表示
抽象合成数据生成有可能用稀缺数据影响应用程序和域。但是，在将这些数据用于诸如心理健康之类的敏感任务之前，我们需要了解其中如何代表不同的人口统计学。在我们的论文中，我们通过探索IT归因于不同种族和性别组合的各种压力来分析使用GPT-3生成综合数据的潜力，从而为未来的研究人员提供洞察力，以期利用LLMS使用LLM进行数据生成。使用GPT-3，我们通过控制种族，性别和时间范围（Covid-19）之前和时间范围，开发了3,120个有关抑郁症触发压力源的合成数据集的合成数据集。使用此数据集，我们将语义和词汇分析进行（1）确定每个人口组的主要应力源； （2）将我们的合成数据与人类生成的数据集进行比较。我们介绍了使用GPT-3生成查询以开发抑郁数据的程序，并进行分析以发现其分配给人群组的压力源的类型，这些压力源可用于测试抑郁数据合成数据生成的LLMS的局限性。我们的发现表明，合成数据模仿了各种人口统计学的主要抑郁压力源的某些人类生成的数据分布。
量子网络中的利率和保真度最大化的资源分配
由于光子损失而无法立即将摘要现有的经典光学网络基础架构用于量子网络应用。启用量子网络的第一步是将量子中继器集成到光网络中。但是，量子硬件中固有的费用和内在噪声强调了对有效的部署策略的需求，以优化量子折扣和记忆的分配。在本文中，我们提出了一个用于网络计划的综合框架，旨在有效地在现有基础架构上分配量子中继器，目的是在纠缠分布网络中最大化量子网络实用程序。我们将我们的框架应用于几个案例，包括哑铃网络拓扑的初步插图以及Surfnet和Esnet的现实情况。我们探讨了量子中继器中量子存储器多路复用的影响，以及记忆相干时间对量子网络实用程序的影响。我们进一步研究了不同公平假设对网络计划的影响，从而发现了它们对实时网络性能的影响。
由2 -Photon 3D打印和脚手架成型设计的芯片上的灌注多凝胶脉管系统，以改善水凝胶中的微生物保真度
在生理相关的水凝胶中的工程脉管网络是由于细胞– Bioink相互作用以及随后的水凝胶设备接口而成的。在这里，提出了一种新的细胞友好制造策略，以实现支持集成在微流体芯片中的共培养的灌注多凝胶脉管模型。该系统包含两个不同的水凝胶，以特定支持为血管模型选择的两种不同细胞类型的生长和增殖。首先，通过微流体设备内的两光聚合聚合（2pp），通道以明胶的墨水印刷。然后，注入人类肺纤维细胞纤维纤维水凝胶以包围印刷网络。最后，人体内皮细胞被播种在印刷通道内。打印参数和纤维纤维组合物进行了优化，以减少水凝胶肿胀，并确保可以用细胞介质灌注的稳定模型。以两个步骤制造水凝胶结构可确保没有细胞暴露于细胞毒性制造过程，同时仍获得高纤维打印。在这项工作中，在定制制造的灌注系统上成功证明了通过3D印刷的SCA旧和共培养模型的灌注来指导内皮细胞入侵的可能性。
论净化条件下链级纠缠的保真度分布
量子纠缠是长距离量子通信的关键。在量子通信节点之间进行纠缠分布的第一步是在相邻通信节点之间生成链路级爱因斯坦-波多尔斯基-罗森 (EPR) 对。EPR 对可以连续生成并存储在一些量子存储器中，以供量子应用使用。一个主要的挑战是量子比特会因与环境的相互作用而遭受不可避免的噪声，这被称为退相干。这种退相干导致量子比特的保真度随时间呈已知的指数衰减模型，从而限制了量子存储器中量子比特的寿命和量子应用的性能。在本文中，我们评估了在两种相反的动态和概率现象下存储的 EPR 对的保真度，首先是前面提到的退相干和第二次净化，即以牺牲另一个 EPR 对为代价来提高 EPR 对的保真度的操作。我们不是一生成两个 EPR 对就应用净化，而是引入了两个 EPR 对的生成时间之外的净化方案 (PBG)。我们分析显示了在每个节点有两个量子存储器的系统中存储的链路级 EPR 对的保真度的概率分布，该系统最多允许两个存储的 EPR 对。此外，我们应用了一种 PBG 方案，在生成另一个 EPR 对时净化两个存储的 EPR 对。最后，我们对分析方法进行了数值评估，并展示了所考虑的净化方案的保真度-速率权衡。
量子保真度的简化表达式
量子信息处理中最基本的任务之一是判断两个量子态的相似性或接近性。它在量子计量、量子机器学习、量子通信、量子密码学或量子热力学等广泛应用中都很重要。例如，相似性度量可用于评估信息在远距离传输时受到的干扰程度 [1]，或用于表征基态可能突然改变的量子系统中的相变 [2]。用于此目的的常用方法是量子保真度，也称为 Uhlmann 保真度或 Uhlmann-Jozsa 保真度，它能够评估一对混合态的相似性。然而，这种最普遍形式的量子保真度的通常表述（其中两个量子态都是混合态）有几个缺点。最重要的缺点之一是
数据压缩与有线的信号保真度权衡...
摘要 - 途径高密度和高通道计数神经接口，能够同时记录成千上万的神经元的同时记录，将为学习，恢复和增强神经功能提供一个门户。但是，在完全植入的设备的比特率极限和功率预算内建立此类技术是具有挑战性的。使用在类似物到数字界面处使用有损耗的压缩，有线或压缩读数架构解决了高通道计数神经界面的数据洪水挑战。在本文中，我们评估有线或对神经工程至关重要的几个步骤的适用性，包括尖峰检测，尖峰分配和波形估计。对于有线或有线信号的各种接线配置以及基础信号质量的假设，我们表征了压缩比和特定任务信号保真度指标之间的权衡。使用来自猕猴视网膜中的18个大尺度微电极阵列记录的数据，我们发现，对于7-10的事件SNR，有线或正确检测并分配了至少80％的尖峰，至少具有50倍压缩。有线或方法还鲁棒地编码动作电势波形信息，从而实现了下游处理，例如细胞类型分类。最后，我们表明，通过将基于LZ77的无损耗压缩机（GZIP）应用于有线或体系结构的输出，可以在基线记录中实现1000倍压缩。
快噪声对囚禁离子量子门保真度的影响
高保真度的单量子比特和多量子比特操作构成了量子信息处理的基础。这种保真度基于以极其相干和精确的方式耦合单量子比特或双量子比特的能力。相干量子演化的必要条件是驱动这些跃迁的高度稳定的本振。在这里，我们研究了快速噪声（即频率远高于本振线宽的噪声）对离子阱系统中单量子比特和双量子比特门保真度的影响。我们分析并测量了快速噪声对单量子比特操作的影响，包括共振π旋转和非共振边带跃迁。我们进一步用数字方式分析了快速相位噪声对 Mølmer-Sørensen 双量子比特门的影响。我们找到了一种统一而简单的方法，通过量子比特响应频率下的噪声功率谱密度给出的单个参数来估计所有这些操作的性能。虽然我们的分析侧重于相位噪声和离子阱系统，但它也适用于其他快速噪声源以及其他量子比特系统，在这些系统中，自旋类量子比特通过共同的玻色子场耦合。我们的分析可以帮助指导量子硬件平台和门的设计，提高它们对容错量子计算的保真度。
核小体结构对CRIS/CAS9保真度的影响
群集定期间隔的短壁画重复序列（CRISPR）CAS系统是一种强大的工具，有可能在不久的将来成为疗法基因编辑器。cas9是最精心研究的CRISPR系统，已被证明存在限制其在治疗应用中使用的问题。染色质结构是CAS9靶向的已知影响因素，并且在靶向此类位置时，Cas9的效率存在差距。要在单个碱基对分辨率上量化chroMatin如何相对于裸露的不匹配靶标的非目标编辑来抑制目标基因编辑，我们开发了基因编辑器不匹配核小体内部核心体内（Gemini-Seq）。Gemini-Seq利用核小体序列的库来检查单个测定中整个核小体的所有焦油位置。Gemini-Seq的结果表明，核小体边缘上蛋白播音器 - 粘附基序（PAM）序列的位置驱动Cas9访问其目标序列的效率。在适当的情况下，与核小体内的靶向序列相比，裸露的错误靶标的CAS9具有更高的属性。总体而言，我们的结果表明，切入结构如何影响CAS9对潜在目标的确定性，并突出使用暴露的PAM靶向序列如何限制靶向基因编辑，并改善CAS9的效率和解决当前限制的考虑因素。
Q-FiRM：基于保真度的量子网络速率最大化路由
摘要 — 端节点之间的高效信息路由是安全量子网络和量子密钥共享的关键推动因素，这依赖于随时间推移创建和维持纠缠态。然而，这种成对纠缠会由于通道损耗和网络节点上纠缠光子的存储而退化。纠缠态反过来会影响保真度，保真度是量化一对量子态相似程度的指标。在本文中，我们提出了一种路由解决方案，该解决方案可满足接收器对从多个发射器节点接收的量子信息施加的阈值保真度要求。我们的解决方案从网络内的此类节点池中选择中间中继器，以最大化量子信息传输的总速率。为此，我们首先提供相邻节点之间保真度损失以及端到端量子数据速率的表达式。然后，我们提出了一种新颖的两阶段路由解决方案，该解决方案（i）使用保真度作为成本度量来确定每个发射器的 k 条最短路径，以及（ii）（启发式地）根据中继器节点是否具有单个或多个可用内存单元为每个发射器分配一条路径。模拟结果表明，我们提出的基于保真度的路由解决方案满足广泛的保真度要求 [0.6-0.79]，同时最大化量子信息传输速率，优于现有的基于距离和跳跃的路由方法。索引术语 — 量子网络、量子中继器、量子路由、量子通信、纠缠