XiaoMi-AI文件搜索系统
World File Search System分布式计算
人工智能使分布式边缘计算成为可能...
摘要 — 基于人工智能 (AI) 的技术通常用于根据策略和机制对决策进行建模，这些策略和机制可以为许多交互实体带来最佳收益，这些实体通常会表现出对抗行为。在本文中，我们提出了一种支持 AI 的多接入边缘计算 (MEC) 框架，该框架由配备计算功能的无人机 (UAV) 支持，以促进物联网应用。首先，基于博弈论模型确定物联网节点向无人机安装的 MEC 服务器的最佳数据卸载策略的问题，同时考虑物联网节点的通信和计算开销。通过证明博弈是子模的，证明了至少一个纯纳什均衡 (PNE) 点的存在。此外，基于最佳响应动态 (BRD) 算法的结果，或通过替代强化学习方法（即梯度上升、对数线性和 Q 学习算法），获得并研究了不同的操作点（即卸载策略），这些方法探索和学习环境以确定用户的稳定数据卸载策略。通过建模和仿真，对这些方法的相应结果和固有特征进行了严格的比较。索引术语 — 边缘计算；博弈论；强化学习；物联网；
迈向分布式量子计算生态系统
摘要：量子互联网通过实现远程量子节点之间的量子通信，是一种能够支持传统世界中没有直接对应功能的功能的网络。事实上，借助量子互联网提供的网络和通信功能，远程量子设备可以采用分布式计算方法进行通信和协作，以解决具有挑战性的计算任务。本研究的目的是为读者概述分布式量子计算生态系统设计中出现的主要挑战和未解决的问题。为此，作者从通信工程的角度，采用自下而上的方法进行了一项调查。他们首先介绍量子互联网作为分布式量子计算生态系统的基本基础设施。然后，他们进一步阐述了分布式量子计算生态系统的高级系统抽象。他们通过一组逻辑层描述了这种抽象。从而，他们阐明了上述各层之间的依赖关系，同时提出了路线图。
分布式量子计算：应用与挑战
摘要 — 量子计算目前正在快速发展，以实现在某些应用中承诺的显著加速。尽管如此，量子计算机的扩展仍然是一项艰巨的工程挑战，这促使人们探索替代方法来实现承诺的量子优势。分布式量子计算的概念就是一个例子，它旨在通过连接不同的单个量子计算机来扩展量子计算机。此外，分布式量子计算为长期的新应用开辟了道路。本研究旨在从应用层面概述这项技术，同时考虑用例和实施注意事项。通过这种方式，这项工作旨在推动分布式量子计算领域的发展，以在不久的将来实现现实世界的分布式量子系统为目标。索引术语 — 量子计算、应用、分布式量子计算、DQC、用例、挑战
量子计算与量子模拟中离子阱结构研究进展 - 物理学报
图 6. 带有集成光学腔的离子阱：（a）因斯布鲁克大学的集成光学腔阱 [ 93 ]。从离子发射的 854nm 光子的 50% 可被腔收集，并转换为 1550nm 的通信波长。（b）萨塞克斯大学的集成光学腔阱。该阱展示了离子和腔模式之间的第一个强耦合。（c）奥胡斯大学的离子阱。腔镜 (CM) 沿轴向，径向泵浦光束用于将离子泵回多普勒冷却循环。这些离子可在 CCD 上成像。压电换能器 (PZT) 用于主动锁定光学腔与 RP 激光器共振。（d）当径向 RP 激光器开启时，大约 100 个离子的整个晶体都是明亮的。 （d）当径向RP关闭时，只有腔内的离子是亮态，腔外的离子处于暗态[144]。
分布式量子计算中的量子算法
摘要 分布式量子计算 (DQC) 提供了一种使用通过量子通信链路连接的多个量子处理单元 (QPU) 来扩展量子计算机的方法。在本文中，我们构建了一个分布式量子计算模拟器，并使用该模拟器研究量子算法，例如量子傅里叶变换、量子相位估计、量子振幅估计以及 DQC 中的概率分布生成。该模拟器可用于轻松生成和执行分布式量子电路，获取和基准测试 DQC 参数，例如算法的保真度和纠缠生成步骤的数量，并在分布式环境中使用动态电路来改进结果。我们展示了动态量子电路在 DQC 中的适用性，其中使用中间电路测量、局部操作和经典通信代替嘈杂的处理器间（非局部）量子门。
分而治之的组合优化和分布式量子计算
摘要 — 扩展单片量子计算机系统的规模是一项艰巨的任务。随着设备内量子比特数量的增加，许多因素会导致产量和性能下降。为了应对这一挑战，由许多联网量子计算机组成的分布式架构已被提议作为实现可扩展性的可行途径。这样的系统将需要针对其分布式架构量身定制的算法和编译器。在这项工作中，我们引入了量子分而治之算法 (QDCA)，这是一种将大型组合优化问题映射到分布式量子架构上的混合变分方法。这是通过结合使用图形分区和量子电路切割来实现的。QDCA 是应用程序-编译器协同设计的一个例子，它改变了变分假设的结构，以控制量子电路切割带来的指数编译开销。这种跨层协同设计的结果是一种高度灵活的算法，可以根据可用的经典或量子计算资源量进行调整，并可应用于短期和长期分布式量子架构。我们在最大独立集问题实例上模拟了 QDCA，发现它能够胜过类似的经典算法。我们还在超导量子计算机上评估了 8 量子比特 QDCA 假设，并表明电路切割有助于减轻噪声的影响。我们的工作展示了多少台小型量子计算机可以协同解决比其自身量子比特数大 85% 的问题，从而推动了大规模分布式量子计算的发展和潜力。
DQC O：用于协作的分布式量子计算......
摘要 — 量子计算机具有高速并行处理的优势，可以有效解决未来网络中的大规模复杂优化问题。然而，由于不确定的量子比特保真度和量子信道噪声，依赖于通过纠缠连接的量子网络的分布式量子计算在跨量子计算机交换信息方面面临许多挑战。在本文中，我们提出了一种自适应分布式量子计算方法来管理量子计算机和量子通道，以解决未来网络中的优化任务。首先，我们描述了量子计算的基本原理及其在量子网络中的分布式概念。其次，为了解决未来协作优化任务需求的不确定性和量子网络的不稳定性，我们提出了一种基于随机规划的量子资源分配方案，以最小化量子资源消耗。最后，基于所提出的方法，我们讨论了未来网络协作优化的潜在应用，例如智能电网管理、物联网合作和无人机轨迹规划。我们还强调了有希望的研究方向，这些方向可以导致设计和实现未来的分布式量子计算框架。索引词——分布式量子计算、量子网络、资源分配
从分布式量子计算到量子互联网计算：概述
世界上第一个量子网络（即 DARPA 量子网络）投入运行并演示量子密钥分发，至今已有近 20 年。1 与此同时，大约 20 年前，人们就开始研究量子分布式系统协议的通信复杂性，以及它们与经典分布式系统协议的比较，例如 [6]，以及对分布式或非局部量子门的研究 [13]、[30]，这两个研究领域被称为分布式量子计算。这些量子协议和非局部量子门的一个关键资源是量子纠缠，其中特定的量子纠缠态由位于
通过分布式计算利用人工智能的力量释放增长潜力
这些现代计算需求是分布式计算兴起的推动力。分布式计算包括跨多个位置的各种资源，这些资源收集、处理、存储和传输数据，同时提供安全措施，帮助防止未经授权的访问或操纵。虽然分布式计算并不是一个新范式，但由于人工智能的进步和数据中心外数据的增长，分布式计算正在兴起。这是因为分布式计算提供了在最优位置（通常是边缘）对人工智能模型进行推理的灵活性，同时还支持用于人工智能训练的大型数据集，以开发和优化这些模型。组织现在拥有前所未有的自由，可以将数据转换为对最终用户最有利的有用信息，同时提高成本效率、提高性能并扩展网络容量。