XiaoMi-AI文件搜索系统
World File Search System分量
区分量子和经典马尔可夫...
了解开放量子系统中的耗散是否真正是量子的，是一个既有基础意义又有实际意义的问题。我们考虑 n 个量子比特受到相关马尔可夫相位失调的影响，并提出一个充分条件，说明何时由浴引起的耗散可以产生系统纠缠，因此必须被视为量子的。令人惊讶的是，我们发现时间反演对称性 (TRS) 的存在与否起着至关重要的作用：耗散纠缠的产生需要破坏的 TRS。此外，仅仅具有非零浴敏感性不足以使耗散成为量子。我们的工作还提出了一种明确的实验协议来识别真正的量子相位失调耗散，并为研究更复杂的耗散系统和寻找最佳的噪声缓解策略奠定了基础。
变分量子问题的噪声贝叶斯优化...
在许多值得关注的科学应用中，量子算法有可能比传统算法快得多。例如量子机器学习 [1]、量子化学 [2] 以及许多其他 [3]。不幸的是，其中许多应用还无法在当前的嘈杂中型量子 (NISQ) 计算机上实现 [4]，需要等到噪声源可以被抑制到阈值，使量子计算机可用于实践，甚至构建容错量子计算机 [5]。然而，许多有趣的 LGT 问题已经可以通过 NISQ 设备进行研究 [6]。特别是，如果以哈密顿量公式研究 LGT，量子算法通常不会受到符号问题的影响 [7,8]。一种重要的现成算法是变分量子特征值求解器 (VQE) [ 9 ]，它是一种混合量子经典算法，利用变分原理寻找给定汉密尔顿量 H 的基态（和激发态）。VQE 的量子部分用于测量给定多量子比特状态中汉密尔顿量的期望值，即能量，而经典部分则在由参数化量子电路生成的多量子比特状态族中搜索使能量最小化的状态。本文提出的算法是一种经典优化器，旨在找到基态的良好近似值，尽可能减少能量测量的次数。这里选择的方法称为贝叶斯全局优化。它的首次应用可以追溯到 20 世纪 60 年代 [ 10 ]，而它的现代实现则基于最近的研究 [ 11 ]。该方法的基础是高斯过程回归 (GPR)，这是一种基于高斯过程贝叶斯推理的插值方法。它使我们能够使用有限量的 (嘈杂) 数据创建黑盒函数的预测模型。在每次优化迭代中，该模型用于确定一组可能接近全局最小点的参数。此步骤按照称为获取函数优化的过程执行。这里提出的优化能量的算法不同于 VQE 中常用的其他替代方法，因为它不仅使用能量的估计值，还使用其统计误差的值。其动机是降低每一步的量子测量次数：即使对于不精确的能量测量，只要它们的误差由于中心极限定理近似为高斯，该过程也是定义良好的。使用噪声设备模拟器将该算法的结果与其他常用的替代方案进行了比较。
具有动态假设的变分量子线性求解器
变分量子算法在 NISQ 时代取得了成功，因为它们采用了量子-经典混合方法，可以缓解量子计算机中的噪声问题。在我们的研究中，我们在变分量子线性求解器中引入了动态假设，用于线性代数方程组。在这个改进的算法中，硬件高效假设电路的层数不断演变，从少量开始逐渐增加，直到达到解的收敛。我们展示了该算法与标准静态假设相比的优势，即在有和没有量子噪声的情况下，以及在系统矩阵的量子比特数或条件数增加的情况下，使用更少的量子资源和平均较小的量子深度。迭代次数和层数可以通过切换参数改变。该算法在使用量子资源方面的性能由新定义的指标量化。
笛卡尔分量分离方法
量子化学中的传统方法依赖于基于 Hartree-Fock 的斯莱特行列式 (SD) 表示，其底层零阶图像假设粒子可分离。在这里，我们探索一种完全不同的方法，该方法基于笛卡尔分量可分离性，而不是粒子可分离性 [J. Chem. Phys.，2018，148，104101]。该方法似乎非常适合基于 3D 网格的量子化学方法，因此也适用于所谓的“首次量化”量子计算。我们首先概述了在经典计算机上实现的该方法，包括证明性能声明的数值结果。特别是，我们用四个显式电子执行数值计算，这相当于全 CI 矩阵对角化，具有近 10 15 SD。然后，我们提出了一种量子计算机的实现，与其他用于实现首次量化的“量子计算化学”（QCC）的量子电路相比，量子门的数量（在较小程度上，量子比特的数量）可以显著减少。
具有三个 11 位 DAC、CGMS 数据插入的 THS8200 全格式过采样分量视频/PC 图形 D/A 系统数据表 (Rev. E)
输出合规范围可通过外部调整电阻器进行设置，并且有两种设置可供选择，以适应分量视频或 PC 图形 (700 mV) 和复合视频 (1.3 ‑ V) 输出，而无需更改硬件。视频数据的内部可编程剪辑/移位/乘法功能可确保全 10 位或降低的 ITU-R.BT601 样式视频输入符合标准的视频输出范围。为了避免视频范围缩放后的非线性，DAC 内部具有 11 位分辨率。此外，可以仅在绿色/亮度通道或所有三个输出通道上插入具有可编程幅度的双电平或三电平同步（以支持 700 mV:300 mV 和 714 mV:286 mV 视频：同步比率）。该同步插入是由 DAC 中的附加电流源生成的，这样完整的 DAC 分辨率对于视频范围仍然可用，并为视频数据保留 DAC 的 11 位动态范围的 100％。
用于自动编码器的可扩展变分量子电路 - ...
摘要 — 药物分子的从头设计被认为是一个耗时且昂贵的过程，并且计算方法已应用于药物发现流程的每个阶段。变分自动编码器是一种计算机辅助设计方法，它基于现有的分子数据集探索化学空间。量子机器学习已成为一种非典型学习方法，由于其强大的表达能力，可能会加速一些经典学习任务。然而，近期的量子计算机受到量子比特数量有限的困扰，这阻碍了高维空间中的表示学习。我们提出了一种可扩展的量子生成自动编码器（SQ-VAE），用于同时重建和采样药物分子，以及相应的原始变体（SQ-AE）以实现更好的重建。提出了混合量子经典网络中的架构策略，例如可调量子层深度、异构学习率和修补量子电路，以学习高维数据集，例如配体靶向药物。在选择合适的架构策略后，针对 8x8 和 32x32 等不同维度报告了大量实验结果。在所有实验中，将量子生成自动编码器的性能与相应的经典自动编码器进行了比较。结果表明，归一化的低维分子可以获得量子计算优势，并且量子生成自动编码器生成的高维分子在相同的学习期内具有更好的药物特性。索引术语 — 量子机器学习、变分自动编码器、药物发现
活化过程的变分量子特征解法
摘要 随机过程理论影响着物理和社会科学。在分子尺度上，由于热波动，随机动力学无处不在。福克-普朗克-斯莫鲁霍夫斯基方程模拟了扩散区域中选定自由度的概率密度随时间的变化，因此它是物理化学中的主力。在本文中，我们报告了变分量子特征值求解器的开发和实现，以解决福克-普朗克-斯莫鲁霍夫斯基特征值问题。我们表明，这种通常用于解决量子化学问题的算法可以有效地应用于经典系统，为量子计算机的新应用铺平了道路。我们计算了具有最近邻相互作用的线性转子链中的构象转变速率。我们提供了一种在量子计算机上对链的给定构象的概率分布进行编码的方法，并评估了其在操作方面的可扩展性。对小链的噪声量子模拟器和量子设备（IBMQ Santiago）进行了性能分析，结果显示无需进一步添加任何错误缓解技术，与经典基准结果一致。
NASA MSFC测试架的分量表惰性气体测试的羽流相互作用数据概述300真空设施
I.引言国家航空航天管理局（NASA）的游戏改变开发项目（GCD）羽流相互作用（PSI）项目[1]旨在发展代理在预测PSI行为方面的能力。这包括关注计算流体动力学（CFD）模拟中利用模型的成熟[2]。这些CFD工具的验证和验证需要一组强大的数据，该数据表征与PSI相关的各种不同的物理行为。为此，PSI项目已开展了一个新的地面测试活动，称为物理浓缩距离测试（PFGT）[3]。PFGT是作为一个实验测试床开发的，其总体目标是生成对PSI相关物理学的计算流体动力学验证所需的数据[2，4-7]。PFGT的主要数据目标
空间应用多分量力测量的实际考虑 - 第 1 部分
• 传统振动测试将输入加速度控制在飞行数据的频率包络中。将测试加速度响应限制在预测的飞行加速度响应范围内高度依赖于分析，并且通常需要限制许多位置的加速度响应 - 大型测试项目。如果 UUT 损坏，可能会导致过度测试、破坏、过度设计和/或成本/进度影响。
利用量子机器学习区分量子态
摘要 — 量子机器学习 (QML) 算法在机器学习 (ML) 领域具有重要意义，因为它有望在执行基本线性代数子程序 (BLAS) 时实现量子加速，而基本线性代数子程序是大多数 ML 算法的基本元素。通过利用 BLAS 操作，我们提出、实现并分析了一种时间复杂度低至 O (NKlog (D) I/C) 的量子 k 均值 (qk-means) 算法，以将其应用于判别读出时量子态的基本问题。判别量子态允许从低级同相和正交信号 (IQ) 数据中识别量子态 | 0 ⟩ 和 | 1 ⟩，并且可以使用自定义 ML 模型来完成。为了减少对传统计算机的依赖，我们使用 qk-means 在 IBMQ Bogota 设备上执行状态鉴别，并设法找到高达 98.7% 的分配保真度，仅略低于 k-means 算法。检查将两种算法应用于量子态组合所产生的分配保真度分数，结果与我们使用 Pearson 相关系数的相关性分析一致，其中证据表明，在所分析的设备上，(1, 2) 和 (2, 3) 相邻量子比特对之间存在串扰。索引术语 — 量子计算、机器学习、量子机器学习、K-Means、QK-Means、串扰