首先,我要感谢所有与我分享实验数据的研究人员,他们帮助我节省了宝贵的时间:Olivier Chapuis、Michel Beaudouin-Lafon、Renaud Blanch、Michel Ortega、Yves Guiard、Simon Perrault、Quentin Roy、Halla Olafsdottir 和 Bruno Fruchard。我还要感谢所有公开发表实验数据的人,我曾在论文中使用过这些数据:Ken Goldberg、Siamak Faridani、Ron Alterowitz、Alvin Jude、Darren Guiness、Michael Poor、Jörg Müller、Antti Oulasvirta、Roderick Murray-Smith、Krzysztof Gajos、Katharina Reinecke 和 Charles Hermann。我再怎么强调发布实验数据的重要性都不为过。我还要感谢 Alexandra Elbakyan。其次,我要感谢我的两位导师 Olivier Rioul 和 Yves Guiard。他们的合作始于 2011 年左右,当时计算机科学系的实验心理学家 Yves 敲开了数字通信团队的应用数学家 Olivier 的门,讨论信息论和菲茨定律。最后,他们提供了一个博士职位,我于 2015 年欣然接受了。在三年零三个月的时间里,我多次利用了 Yves 在这个主题上的经验。我认为他敢于挑战假设和推测,即使是微不足道的假设和推测,也在某种程度上影响了我。我非常感谢 Olivier 关于反馈方案的想法,以及他
本社论旨在简要介绍信息论在计算生物学和生物信息学领域的应用历史;简洁地总结相关研究的现状和面临的挑战;并描述本期《熵》杂志特刊以“计算生物学中的信息论”为主题的特刊所邀请内容的范围。信息论作为一个研究领域,始于 1948 年克劳德·香农 (Claude Shannon) 的开创性专著《通信的数学理论》的出版[ 1 ]。这项工作引入了包括信息熵、互信息(后来由罗伯特·M·法诺 (Roberto M. Fano) [ 2 ] 创造的一个术语)和将信息表示为二进制数字(位,这个术语归功于约翰·图基 (John Tukey))[ 3 ] 等概念。香农的工作超越了哈里·奈奎斯特和拉尔夫·哈特利在 20 世纪 20 年代以及阿兰·图灵和诺伯特·维纳在 20 世纪 40 年代的相关工作 [ 4, 5 ],描述了数据传输和压缩的基本定律 [ 6 ] 以及在噪声信道上通信效率的理论极限 [ 7 ]。作为一个与概率、统计学和计算机科学 [ 6 ] 等许多学科相交叉的统一理论,信息论被用于研究各种系统中信息的提取、传输、处理和使用。香农的概念以及受其启发的概念构成了现代数字信息技术的基础 [ 5 ]。 20 世纪 60 年代,晶体学等实验方法的改进以及分子生物学方法在生物学分支学科的迅速扩展,使生物学家能够加深对各种现象的理解 [8],包括 RNA 密码的特征 [9]、蛋白质的结构 [10,11] 以及基因和蛋白质的进化 [10,12–14]。分子生物学的中心法则 [15] 是在 RNA 转录和翻译过程的基础性发现之后发展起来的。随着 20 世纪 60 年代计算机科学理论的出现和现代计算时代的到来,应用计算策略解决生物学问题,开创了计算生物学领域 [16]。计算方法在生物学问题上的早期应用包括进化的计算研究[17]和蛋白质结构[18],以及第一个序列比对算法的开发[19,20]。我们注意到,计算生物学有时与生物信息学[21-23]互换使用,尽管这些学科也经常以各种方式区分。我们做出以下区分:生物信息学致力于开发算法、数据库、软件工具和其他计算资源,以便对生物数据进行深入分析,包括其获取、存储、量化、注释、视觉探索和其他形式的处理 [ 23 ]。生物信息学项目的单个基于软件的产品通常可以广泛应用于解决各种生物学问题。作为对生物信息学范围的补充,计算生物学旨在
最近,引入了一种新颖的实空间重正化群 (RG) 算法。通过最大化信息论量,即实空间互信息,该算法可确定相关的低能自由度。受此启发,我们研究了平移不变系统和无序系统的粗粒化程序的信息论性质。我们证明,完美的实空间互信息粗粒化不会增加重正化汉密尔顿量中的相互作用范围,并且对于无序系统,它会抑制重正化无序分布中相关性的产生,从这个意义上讲是最优的。我们通过对干净随机的伊辛链进行任意粗粒化,通过经验验证了这些复杂性度量作为 RG 保留信息的函数的衰减。结果建立了 RG 作为压缩方案的性质与物理对象(即汉密尔顿量和无序分布)性质之间的直接且可量化的联系。我们还研究了约束对通用 RG 程序中粗粒度自由度的数量和类型的影响。
蒙特克莱尔州立大学数字共享中心免费向您提供本论文,供您开放访问。蒙特克莱尔州立大学数字共享中心的授权管理员已接受本论文,将其纳入论文、学位论文和毕业设计中。如需更多信息,请联系 digitalcommons@montclair.edu。
摘要-本研究探讨了泡利幺正算子的数学性质和特征及其在量子信息论中的应用。泡利算子是量子力学中的基本对象,在描述和操纵量子态方面起着至关重要的作用。通过全面的分析,我们研究了泡利算子的幺正性、厄米性、特征值性质和代数结构。我们探索了它们在布洛赫球面上的几何解释,并讨论了泡利分解定理等高级性质及其在稳定器形式中的作用。该研究表明了泡利算子在量子信息各个方面的广泛影响,包括量子门、测量、纠错码和算法。我们的研究结果强调了泡利算子在量子电路设计、纠错方案和量子技术发展中的不可或缺性。我们还确定了需要进一步研究的领域,例如泡利算子在高维系统中的行为及其在特定噪声模型的量子误差校正中的最佳用途。这项研究有助于更深入地了解这些基本的量子信息工具及其在量子计算和通信中的广泛应用。索引术语 - 数学性质、泡利幺正算子、量子信息论
本文提出了一种理解意识的新模型,将梵天(吠檀多哲学中的终极、普遍意识)设想为一个无限分层的 JSON(JavaScript 对象表示法)结构。在这个模型中,现实的每个方面,从个体思想到时间线和整个宇宙,都表示为这个通用 JSON 对象中的一个属性。通过将吠檀多哲学中的阿特曼(个体自我)和梵天(普遍意识)概念与量子力学和信息论的思想相结合,这个模型表明,所有可能的体验、思想和现实都存在于梵天之中,个体意识可以随时访问它们。这个框架提供了一种思考现实、创造力和自由意志的新方式,提出每一种可能的想法或行动都已经作为“节点”存在于梵天的 JSON 中,我们只需“选择”要体验哪一部分即可。
在过去的几十年里,人们对利用不同密度泛函研究量子力学系统的兴趣日益浓厚。信息论 [1] 提供的强大工具的使用受到了特别的关注,该工具旨在根据系统的代表性或特征概率分布对系统进行精确描述。这些工具的应用范围广泛,包括复杂程度各异的物理和化学对象,从少粒子系统 [2] 到结构复杂的分子 [3,4],再到多电子原子和离子 [5,6]。此外,对于给定系统,我们通常可以根据所追求的精度水平以及所考虑的变量来考虑不同的描述模型。在时间独立的量子力学框架中,对给定状态下的单粒子或多粒子系统的完整描述,需要了解相应的波函数 (r 1 , . . . , rn ),它是特征值方程的相应解
量子信息和时空物理学界所采用的因果关系概念是截然不同的。虽然经验告诉我们,这些概念在物理实验中以兼容的方式一起发挥作用,但它们的一般相互作用在理论上却鲜为人知。因此,我们开发了一个理论框架,将这两个因果关系概念联系起来,同时也清楚地区分它们。该框架描述了通过反馈回路进行的量子操作组合,以及将由此产生的可能循环的信息理论结构嵌入非循环时空结构中。然后,相对论因果关系(禁止超光速通信)作为这两个结构之间的图论兼容性条件。通过证明量子信息界广泛研究的不确定因果顺序 (ICO) 过程可以在我们的框架内表述,我们阐明了不确定因果关系和循环因果关系之间的联系,以及有关它们的物理性的问题。具体来说,有几项实验声称在闵可夫斯基时空中实现了 ICO 过程,这提出了一个明显的理论悖论:不确定的信息论因果结构如何与确定的时空结构相一致?我们通过不定理来解决这个问题,表明作为相对论因果关系的结果,(a) ICO 过程的实现必然涉及时空中系统的非局部化,(b) 仍然可以在更细粒度的层面上用确定的、非循环的因果顺序过程来解释。这些结果是通过引入细粒度概念实现的,细粒度概念允许在不同细节层面上分析因果结构。这完全解决了明显的悖论,并对 ICO 实验的物理解释具有重要意义。我们的工作还阐明了时空中量子信息处理的极限,并对固定时空范围内外不确定因果关系的操作意义提供了具体的见解。
拓扑 C ∗ -代数 测度理论 冯·诺依曼代数 概率论 自由概率论与量子概率 微分几何 非交换几何 (紧)群 紧量子群 信息论 量子信息论 复分析 自由分析
过去几十年来,统计力学、动力系统理论和信息论的研究表明,信息是一个动态量,在物理学中起着根本性的作用 1–3 。许多经典现象和热力学现象可以通过信息论的视角得到更好的理解;一个相关的例子就是近年来量子信息科学的出现。今年夏天,我探索了将经典信息论的形式扩展到量子领域的各种方法。现有几条量子信息论定理证明了不能做的事情的界限。例如,不可克隆定理告诉我们,物理学禁止我们复制未知的量子态 4 。另一方面,不可隐藏定理告诉我们,由于退相干而“丢失”的量子信息实际上只是消散在更大的环境中。因此,量子信息既不会被创造也不会被毁灭——它是一个守恒量。