量子电路的标准模型假设操作以固定的连续“因果”顺序应用。近年来,放宽这一限制以获得因果不确定计算的可能性引起了广泛关注。例如,量子开关使用量子系统来连贯地控制操作顺序。已经证明了几种临时的计算和信息理论优势,这引发了这样一个问题:是否可以在更统一的复杂性理论框架中获得优势。在本文中,我们通过研究一般高阶量子计算下布尔函数的查询复杂性来解决这个问题。为此,我们将查询复杂性的框架从量子电路推广到量子超图,以便在平等的基础上比较不同的模型。我们表明,最近引入的具有因果顺序量子控制的量子电路类无法降低查询复杂度,并且因果不确定超级映射产生的任何潜在优势都可以用多项式方法限制,就像量子电路的情况一样。尽管如此,我们发现,当利用因果不确定超级映射时,使用两个查询计算某些函数的最小误差严格较低。
我们提出了一个新假设,将温度与量子系统中波函数坍缩的频率联系起来。该框架将热力学熵、量子退相干和信息论联系起来,表明温度升高对应于由于环境相互作用增强而导致的波函数坍缩增加。本文得出的数学模型为实验验证奠定了基础,并通过统一的视角将热力学与量子力学联系起来。
摘要。实时战略任务的有效评估需要自适应机制来应对动态和不可预测的环境。本研究提出了一种改进评估函数以实时响应战场态势变化的方法,利用实时战略游戏中基于在线强化学习的动态权重调整机制。该方法在传统静态评估函数的基础上,利用在线强化学习中的梯度下降来动态更新权重,并结合权重衰减技术确保稳定性。此外,还集成了 AdamW 优化器,实时调整在线强化学习的学习率和衰减率,进一步减少对人工参数调整的依赖。循环竞赛实验表明,该方法显著提升了 Lanchester 作战模型评估函数、Simple 评估函数和 Simple Sqrt 评估函数在 IDABCD、IDRTMinimax、Portfolio AI 等规划算法中的应用效果。该方法显著提高了得分,并且随着地图尺寸的增加,这种增强变得更加明显。此外,对于所有评估函数和规划算法,该方法引起的评估函数计算时间的增加都保持在 6% 以下。所提出的动态自适应评估函数为实时战略任务评估提供了一种有前途的方法。
v∙¾†¨€ zÆÃÁ€†ˉ¸ÃŒı (Type or print in ink only, NO PENCIL) Name _____________________________________________________________ (First) (Middle) (Last) Name you want to be used in publications ________________________________ Home address ______________________________________________________ (Street address) ______________________________ ______________________ (City, State) (Zip) Phone Number _________________________ __ Home __ Cell __ Other Email _____________________________________________________________ Birthdate _________________________ Male ____ Female _____ Parents/Legal Guardian Information: Father's Name & Address _____________________________________________ Phone _____________________________________________ Mother's Name & Address ________________________________________电话________________________________________________________________________________________________十
摘要。在经典密码学中,单向函数 (OWF) 起着核心作用,它是 (几乎) 所有原语都隐含的最小原语。在量子密码学中,情况更加复杂,其中诚实方和对手可以使用量子计算和通信,并且众所周知,量子环境中的 OWF 类似物可能不是最小的。在这项工作中,我们询问 OWF 是否是后量子密码学中间环境中的最小值,其中协议是经典的,但它们将抵抗量子对手。我们表明,对于广泛的自然设置,如果原语 Q 意味着 OWF,那么它的 (均匀或非均匀安全的) 后量子类似物也是如此。特别是,我们表明,如果原语 Q 通过黑盒经典安全约简 R 暗示任何其他具有 2 消息安全游戏 (例如,OWF) 的原语 P,那么人们总是可以 (有效地) 将任何多项式大小的量子对手破解 P 变成多项式大小的量子对手破解 Q 。请注意,即使使用 Q 实现的 P 实现是任意非黑盒的,此结果仍然成立。我们还证明了当归约 R 预期其预言对手是确定性时,此结果的扩展,只要以下任一条件成立:(1) 对手只需以不可忽略的概率赢得 Q 的安全游戏(例如,Q 是抗碰撞哈希)或 (2) P 和 Q 中的任何一个都有“可证伪的”安全游戏(当 P 是 OWF 时就是这种情况)。当 Q 通过非黑盒安全归约暗示 OWF 时,或者当 P 使用比双消息游戏更复杂的安全游戏时,我们的工作没有回答我们的主要问题。
扩展系统(晶体和无序系统)并可用于理解化学键合;表征电极化、磁化和拓扑;并作为最佳基组,在倒易空间或实空间中提供精确插值。本综述总结了当前基于 Wannier 函数的技术、材料特性和模拟代码的概况,这些技术、材料特性和模拟代码已向研究界开放,现已很好地集成到所谓的 Wannier 函数软件生态系统中。首先,介绍 Wannier 函数的理论和实用性,从它们广泛的适用领域开始,适用于使用最大局部化以外的替代方法的高级最小化方法。然后定义了 Wannier 生态系统的概念及其与许多量子模拟引擎和后处理包的交互和互操作性。本评论重点介绍了这种生态系统所赋予的一些关键特性和功能(从带插值和大规模模拟到电子传输、浆果学、拓扑、电子-声子耦合、动态平均场理论、嵌入和 Koopmans 函数),最后总结了互操作性和自动化的现状。本评论旨在强调代码背后的基本理论和概念,同时提及更深入的参考文献。它还阐明了代码之间的关系和联系,以及在相关情况下,其开发策略背后的不同动机和目标。最后,展望了未来的发展,并对整个软件生态系统的生物多样性和可持续性目标发表了评论。
需要量子操作或涉及量子态的函数称为量子函数。量子 OWF 的概念最早在 [4,12] 中提出。Nikolopoulos [21] 提出了一个量子陷门函数,通过单量子比特旋转实现经典到量子的映射。该函数将任意 n 位字符串映射到一个量子比特。虽然该设计可以用来构造量子公钥密码体制,但显然它不符合量子单向函数的标准:设任意两个输入 x 1 和 x 2 对应的输出分别为 | φ 1 ⟩ 和 | φ 2 ⟩ ,通过交换检验比较 | φ 1 ⟩ 和 | φ 2 ⟩ ,不可能得到小于 n − c 的错误概率。受BB84量子密钥分发协议[2]的启发,我们引入一种新的经典到量子单向函数,将经典信息映射到量子态,并表明所提出的函数满足量子单向函数的性质,从而证明了量子单向函数的存在。
部分子分布和碎裂函数是分析大多数高能数据的核心 [1,2]。在光前沿,由于时间膨胀和渐近自由,强子由冻结的部分子组成 [3 – 5]。因此,量子色动力学 (QCD) 中的硬过程可以分解为可微扰计算的硬块乘以非微扰矩阵元素,例如部分子分布函数 (PDF) 和碎裂函数 (FF)。PDF 在光前沿被估值,并且本质上是非微扰的,这使得它们无法用标准欧几里得格子公式来计算,除了几个最低矩之外。这个缺点可以通过使用准分布 [6] 及其变体 [7,8] 来避免。这些提议现在已被许多 QCD 格子合作所采用 [9 – 14]。我们最近展示了如何将这些概念扩展到量子计算 [15] 。夸克碎裂的概念起源于菲尔德和费曼的原创工作,他们提出了夸克喷流模型来描述半包容过程中介子的产生 [16] 。该模型本质上是一个独立的部分子级联模型,其中硬部分子通过发射连续的
摘要:编码的代数理论是现代代数应用领域之一。遗传矩阵和代数生物学是进一步理解遗传密码模式和规则的最新进展。遗传密码由DNA和RNA中的四种核苷酸(A、C、G、T)的组合编码而成。DNA决定了生物体的结构和功能,包含完整的遗传信息。DNA碱基对(A、C、G、T)构成双螺旋几何曲线,定义了64个标准遗传三联体,并进一步将64个遗传密码子退化为20种氨基酸。在三角学中,四个基本三角函数(sin x、tan x、cos x、cot x)为傅里叶分析对信号信息进行编码提供了基础。本文利用这4对三角函数基(sin x、tan x、cos x和cot x)生成了64个类似64个标准遗传密码的三角三元组,进一步研究了这64个三角函数,得到了20个类似20个氨基酸的三角三元组。这一相似性表明,通用遗传密码与三角函数的通用性之间存在相似性联系。这种联系可能为进一步揭示遗传密码的模式提供桥梁。这表明矩阵代数是生物信息学和代数生物学中一种有前途的工具和足够的语言。
微生物群落在各种环境中起关键作用。预测它们的功能和动力学是微生物生态学的关键目标,但是这些系统的详细描述可能是非常复杂的。一种处理这种复杂性的方法是诉诸于更粗糙的表示。几种方法试图以数据驱动的方式识别微生物物种的有用群体。最近的工作在从头发现时,使用像线性回归这样简单的方法来预测给定功能的粗略表示,对多个物种甚至单个这样的群体(Ensemble-Biterient优化(EQO)方法)进行了一些经验成功。将社区功能建模为单个物种贡献的线性组合似乎很重要。但是,确定生态系统的预测性过度的任务与预测功能的任务不同,并且可以想象,前者可以通过比后者更简单的方法来完成。在这里,我们使用资源竞争框架来设计一个模型,在该模型中,要发现的“正确”分组是良好的定义,并使用合成数据来评估和比较基于回归的三种方法,即先前提出的两个和我们介绍的两个方法。我们发现,即使函数明显非线性,基于回归的方法也可以恢复分组。该多组方法比单组EQO具有优势。至关重要的是,模拟器(线性)方法的表现可以胜过更复杂的方法。