XiaoMi-AI文件搜索系统
World File Search System保真度
TILT：在囚禁离子线性系统上实现更高的保真度......
摘要 — 离子阱量子比特是实用量子计算的领先技术。在这项工作中，我们对离子阱的线性磁带架构进行了架构分析。为了实现我们的研究，我们开发并评估了该架构的映射和调度算法。特别是，我们引入了 TILT，这是一种线性“图灵机式”架构，具有多激光控制“头”，其中线性离子链在激光头下来回移动。我们发现，与同等大小的量子电荷耦合器件 (QCCD) 架构相比，TILT 可以大大减少通信。我们还为 TILT 开发了两种重要的调度启发式方法。第一个启发式方法通过将沿相反方向传输的数据匹配为“反向交换”来减少交换操作的数量，并且还避免了跨头部宽度的最大交换距离，因为最大交换距离使得在一个头部位置调度多次交换变得困难。第二种启发式方法通过将磁带调度到每次移动时可执行操作最多的位置来最小化离子链运动。我们从模拟中提供了应用程序性能结果，这表明 TILT 在一系列 NISQ 应用程序中的成功率可以胜过 QCCD（平均高达 4.35 倍和 1.95 倍）。我们还讨论了使用 TILT 作为构建块来扩展现有的可扩展离子阱量子计算方案。索引术语 — 量子计算、离子阱架构、电路优化
飞行模拟器保真度、训练转移以及教练在优化学习中的作用
第一台 Link Trainer。该设备有一套基本的仪器、一个原始的运动平台，没有视觉显示器 (Lee, 2009)。第二次世界大战爆发后，Link Trainer 被整合到飞行训练中并得到广泛使用。当时，训练事故率相当高，使用模拟器降低飞机事故率被认为是合乎逻辑的结果 (Valverde, 1973)。模拟器替代飞机的训练价值是直观的，基于常识 (Lee, 2009)。战后，由于战争期间的许多技术进步，模拟器取得了快速发展。模拟计算机的发展对这一发展至关重要。然而，飞行模拟器的学术研究直到 1949 年左右才开始 (Valverde, 1973)。这些研究今天仍在认真进行。
平等：通过注入受控扰动来改善量子退火器的保真度
抽象量子计算是一种信息处理范式，它使用量子力学属性来加速构成综合问题。基于门的量子计算机和量子退火器（QAS）是当今用户可以访问的两个商业上可用的硬件平台。尽管很有希望，但现有的基于门的量子计算机仅由几十个Qubits组成，对于大多数应用来说，量子不够大。另一方面，现有的QA具有数千个量子位的QA有可能解决某些领域的优化问题。QAS是单个指令机，并且要执行程序，将问题扔给了Hamiltonian，嵌入了硬件上，并且运行了单个Quanth Machine指令（QMI）。不幸的是，硬件中的噪声和瑕疵也会在QAS上进行次优的解决方案，即使QMI进行了数千个试验。QA的有限可编程性意味着用户对所有试验执行相同的QMI。在整个执行过程中，这对所有试验进行了类似的噪声验证，从而导致系统偏见。我们观察到系统偏见会导致亚最佳解决方案，并且不能通过执行更多试验或使用现有的减轻误差方案来缓解。为了应对这一挑战，我们提出了相等的（e nosemel qu antum a nnea ling）。均等通过向程序QMI添加受控的扰动来生成QMI的集合。在质量检查上执行时，QMI的合奏会导致该程序在所有试验中都遇到相同的偏见，从而提高了解决方案的质量。我们使用2041 Qubit d-Wave QA的评估表明，相等的桥接基线和理想之间的差异平均为14％（最高26％），而无需进行任何其他试验。可以将相等的相等与现有的缓解误差方案相结合，以进一步弥合基线和理想之间的差异55％（高达68％）。
周细胞需要生理氧张力以维持表型保真度。
（未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本版的版权持有人于2024年8月28日发布。 https://doi.org/10.1101/2024.08.28.606682 doi：biorxiv preprint
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。
DNA 序列和染色质结构背景下的基因组编辑保真度
基因组编辑对于医学和研究目的都具有重要价值。未来的医学应用包括纠正与疾病相关的突变、破坏致病基因，甚至引入新基因（例如，使免疫系统对肿瘤细胞敏感）。研究应用范围从在细胞系或生物体中创建敲除/敲除，和/或引入突变，以研究特定蛋白质、通路或过程的作用，到创建人源化疾病模型。鉴于实际应用的诱人范围，人们在开发基因组编辑方法方面付出了相当大的努力也就不足为奇了。引入基因组变化的传统方式是使用自发重组，要么引入 DNA 突变，要么插入允许进一步使用重组酶（如 Cre）切除基因的序列 [参见 Sauer (2002) 的评论]。随后，锌指核酸酶 (ZFN) 和转录激活因子样效应物核酸酶 (TALEN) 的发现，使得该领域取得了长足的进步，因为它们可以在所需的基因组位置而不是随机的位置引入 DNA 断裂 [参见 Gaj 等人 (2013) 的综述]。尽管如此，基因组编辑领域最大的进步是最近发现的成簇的规律间隔回文重复 (CRISPR) 相关 (Cas) 系统 (Ishino 等人，1987 年；Jansen 等人，2002 年；Jinek 等人，2012 年；Cong 等人，2013 年；Mali 等人，2013 年)。
通过机器学习的基准测试量子断层扫描完整性和保真度
摘要我们训练卷积神经网络，以预测一组测量值是否在信息上完成，以唯一地重建任何给定的量子状态，而没有先前的信息。此外，我们基于此测量集进行了实力基准测试，而无需明确执行州断层扫描。网络经过训练，以认识到内容的实现和可靠的信息完整性措施。通过逐渐积累的测量和数据，这些受过训练的卷积网络可以通过加速运行时计算并大大降低实验中的系统漂移来有效地建立一个压缩量子状态表征方案。我们通过为大小的空间模式和多光子系统提供实验结果来确保这种机器学习方法的潜力。当网络接受来自实际实验数据的其他自举训练集训练时，这些预测将进一步改善。使用Hermite – Gaussian来源的逼真的梁透明位移误差模型，我们进一步证明，通过训练有素的网络，通过训练有素的网络使用培训时间降低了认证时间的降低顺序，从而大大提高了使用这些来源的大规模量子处理器的计算产率，然后才能确定这些来源。
DNA 序列和染色质结构背景下的基因组编辑保真度
基因组编辑对于医学和研究目的都具有重要价值。未来的医学应用包括纠正与疾病相关的突变、破坏致病基因，甚至引入新基因（例如，使免疫系统对肿瘤细胞敏感）。研究应用范围从在细胞系或生物体中创建敲除/敲除，和/或引入突变，以研究特定蛋白质、通路或过程的作用，到创建人源化疾病模型。鉴于实际应用的诱人范围，人们在开发基因组编辑方法方面付出了相当大的努力也就不足为奇了。引入基因组变化的传统方式是使用自发重组，要么引入 DNA 突变，要么插入允许进一步使用重组酶（如 Cre）切除基因的序列 [参见 Sauer (2002) 的评论]。随后，锌指核酸酶 (ZFN) 和转录激活因子样效应物核酸酶 (TALEN) 的发现，使得该领域取得了长足的进步，因为它们可以在所需的基因组位置而不是随机的位置引入 DNA 断裂 [参见 Gaj 等人 (2013) 的综述]。尽管如此，基因组编辑领域最大的进步是最近发现的成簇的规律间隔回文重复 (CRISPR) 相关 (Cas) 系统 (Ishino 等人，1987 年；Jansen 等人，2002 年；Jinek 等人，2012 年；Cong 等人，2013 年；Mali 等人，2013 年)。
激光定向能量沉积中基于多保真度替代的不确定性量化过程映射
摘要：涉及高斯过程 (GP) 的多保真度 (MF) 替代物用于设计激光定向能量沉积 (L-DED) 增材制造 (AM) 中的时间过程图。过程图用于建立熔池特性（例如熔池深度）与工艺参数（例如激光功率和扫描速度）之间的关系。MFGP 替代物涉及高保真度 (HF) 和低保真度 (LF) 模型。选择 Autodesk Netfabb ® 有限元模型 (FEM) 作为 HF 模型，而选择 Eagar-Tsai 开发的分析模型作为 LF 模型。结果表明，MFGP 替代物能够成功地融合不同保真度模型中存在的信息，以设计时间前向过程图（例如，给定一组真实深度未知的工艺参数，熔池深度是多少？）。为了扩展新开发的建立时间逆过程图的公式（例如，为了实现所需的熔池深度，但不知道真实工艺参数，那么作为时间函数的工艺参数的最佳预测是什么？），在计算预算约束下，通过将 MFGP 代理与贝叶斯优化 (BO) 相结合来进行案例研究。结果表明，与单精度 (SF) GP-BO 相比，MFGP-BO 可以显著提高优化解决方案的质量，同时降低计算预算。与仅限于开发稳态正向过程图的现有方法相比，当前的工作成功地展示了在 L-DED 中实现结合不确定性量化 (UQ) 的时间正向和逆过程图。
在没有错配修复的情况下，Prime 编辑的效率和保真度得到增强
。CC-BY-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。此版本的版权持有者于 2022 年 1 月 20 日发布。；https://doi.org/10.1101/2021.09.30.462548 doi：bioRxiv 预印本