XiaoMi-AI文件搜索系统
World File Search System信息论
神经影像学
神经影像学中的可重复性危机，尤其是在研究动力不足的情况下，引发了人们对我们重现、复制和推广研究结果的能力的怀疑。作为回应，我们看到了为神经科学家提供的建议指南和原则的出现，这些建议被称为“良好科学实践”，用于开展更可靠的研究。尽管如此，每项研究在分析和统计方法的结合上仍然几乎是独一无二的。虽然考虑到设计和脑数据记录的多样性，这是可以理解的，但它也代表了可重复性的一个显著点。在这里，我们提出了一个非参数置换统计框架，主要用于神经生理数据，以便对非负信息测量进行组级推断，包括信息论、机器学习或距离测量的指标。该框架支持固定和随机效应模型，以适应个体间和会话间的变化。使用数值模拟，我们比较了两个组模型的地面实况检索的准确性，例如用于多重比较的测试和聚类校正。然后，我们使用空间均匀的 MEG 和非均匀的颅内神经生理数据重现并扩展了现有结果。我们展示了如何使用该框架来提取整个人群中刻板的任务和行为相关影响，涵盖从大脑区域的局部水平、区域间功能连接到总结网络属性的测量等各个方面。我们还介绍了一个名为 Frites 1 的开源 Python 工具箱，其中包括使用信息论指标（例如用于提取认知大脑网络的单次试验功能连接估计）的拟议统计管道。总之，我们认为这个框架值得认真关注，因为它的稳健性和灵活性可以成为统计方法统一化的起点。
![arXiv:2001.07106v1 [quant-ph] 2020 年 1 月 20 日](/simg/b\b6aa8032c77294fae54a8f1fe522ef09d1708763.webp)
arXiv:2001.07106v1 [quant-ph] 2020 年 1 月 20 日
纠缠已被认为是研究、描述和利用多个科学领域应用的关键特性 [1, 2]。它对于量子计算 [3] 以及某些量子通信方案 [4] 至关重要。此外，在过去十年中，纠缠理论中发展起来的概念已经应用于其他研究领域 [1]。因此，人们付出了巨大的努力来限定和量化纠缠 [2]。尽管在量子信息论的背景下进行了广泛的研究，但其详细表征和量化仍然是一项重大挑战。在上述量子信息论应用中，一组关键的状态是稳定器状态集 [5]。量子比特稳定态被定义为泡利群中最大交换算子集的唯一同时特征向量，其定义为泡利算子或恒等算子的张量积。这些状态可以高度纠缠，用于量子误差校正 [6]、基于测量的量子计算 [3] 和自我测试 [7]，这些只是其中的几种应用。一些稳定态的纠缠特性已被研究 [5, 8]。此外，还开发了净化协议 [9]。稳定态还可用于证明通用量子计算与经典有效模拟计算之间的区别 [10]。鉴于所有这些应用都源于丰富的纠缠能力和这些状态的局部对称性，进一步研究纠缠特性和稳定器状态的局部对称性是必不可少的。可以说，深入了解这些特性将使人们能够识别多体纠缠的新应用。纠缠理论是一种资源理论，其中自由操作是经典通信 (LOCC) 辅助的局部操作。LOCC 是一种自然的、操作驱动的自由操作选择，因为纠缠被视为由不同、可能在空间上分离的各方共享的资源。这些各方可以对其状态份额进行局部操作，并可以将任何经典信息传达给其他各方 (LOCC)，然后其他各方根据其状态操纵其系统。
相互信息：量化相关性的一种方法
在信息论框架内，两个随机变量之间存在相关性意味着我们可以通过测量或观察另一个随机变量来获得有关其中一个变量的信息。在某些情况下，这种关系允许获取有关一个变量的信息，即使另一个变量相隔很远，也就是说，获取信息的过程是非局部的，一个例子（如果不是唯一的例子）就是量子纠缠。相关性的这些特征使得研究、分类和量化它们变得有趣和重要。相关性分为经典相关性和量子相关性，此外，它们通过互信息进行量化。在这里，我们将提出一种定义经典互信息的自然方法，然后将其推广到量子情况。此外，互信息定义中的每个术语都将使用经典和量子熵的概念进行解释。关键词：信息熵、相关性、互信息。
三模高斯态的量子照明
随着现代经典技术中集成电路 (IC) 越来越小，量子力学的作用越来越突出，因此量子技术 (基于量子力学和量子信息论的技术 [1]) 变得越来越重要。利用量子技术构建的代表是量子计算机 [2]，最近利用超导量子比特已经实现。在量子信息处理中，量子纠缠 [1,3,4] 作为一种物理资源发挥着重要作用，被用于各种量子信息处理，如量子隐形传态 [5,6]、超密集编码 [7]、量子克隆 [8]、量子密码学 [9,10]、量子计量学 [11] 和量子计算机 [2,12,13]。几年前，人们开始探索纠缠辅助目标检测协议（称为量子照明 [ 14 , 15 ]）及其实验实现 [ 16 – 20 ]。量子照明是一种利用量子纠缠的协议
对人工智能使用研究的系统评价...
AI对各行各业都有着深远的影响，从智能设备应用到制造业、交通运输、医疗卫生等领域，影响着个人的生活。AI技术正在不断进步，其上限还远未被知晓。AI对教育领域的影响也在不断增强，尤其是在英语教学领域。AI是一门广泛的学科，涉及“计算机科学、控制论、信息论、神经生理学、心理学、哲学、语言学和其他学科”的融合（Bin & Mandal，2019，第1页）。该术语可以建立在1956年的“达特茅斯会议”（Stewart，2016）上，当时由明斯基和麦卡锡提出。该领域的文献非常广泛，包括智能机器人、语音识别、“图像识别、自然语言处理和专家系统”等等（Z. Hou，2021，第 2 页）。
![arXiv:2501.04957v1 [quant-ph] 2025 年 1 月 9 日](/simg/4\4675215255facc1da84b045fc2a0a6414a23d5fc.png)
arXiv:2501.04957v1 [quant-ph] 2025 年 1 月 9 日
量子数字签名（QDS）基于量子力学原理，提供信息论安全性，确保数据传输的完整性、真实性和不可否认性。在现有的 QDS 协议下，与测量设备无关的 QDS（MDI-QDS）可以抵抗所有针对检测的攻击，但它受到有限尺寸效应的影响。在本文中，我们提出并比较了三种用于双诱饵 MDI-QDS 有限尺寸分析的参数估计模型。第一个模型是以前方案中常用的模型，我们提出了两个新模型来提高性能。随后，我们进行数值模拟以评估这三个模型的性能。结果表明，所提出的方法受有限尺寸效应的影响较小，从而有效提高签名率。这项工作有助于 QDS 的实用化发展。
离散粒子的纠缠和可分离性标准...
纠缠是一种重要的量子资源，可用于量子隐形传态、量子计算等，如何判断和度量纠缠或可分性成为量子信息论中的基本问题。该文通过分析广义环Z[i]2n的性质，提出了一种在Gatti和Lacalle提出的离散量子计算模型中判断任意量子态纠缠或可分性的新方法。与以前基于矩阵的判据不同，它在数学计算上操作相对简单，并且如果一个量子态可分，就能计算出可分的数学表达式。以n=2，3为例，给出了模型中所有可分离态的具体形式，为离散量子计算模型提供了一个新的研究视角。
同伦类型理论中的拓扑量子门
尽管拓扑保护对于实现可扩展量子计算机显然必不可少，但拓扑量子逻辑门的概念基础可以说仍然不稳定，无论是在物理实现方面还是在信息论性质方面。基于弦/M 理论中的缺陷膜 [SS22-Def] 以及凝聚态理论中的全息对偶任意子缺陷 [SS22-Ord] 的最新成果，我们在此解释（如 [SS22-TQC] 中所述）如何通过拓扑有序量子材料中的任意子缺陷编织来规范实际的拓扑量子门，在参数化点集拓扑中具有令人惊讶的巧妙表述，这种表述是如此基础，以至于它可以在现代同伦类型编程语言（如立方 Agda ）中得到认证。