与此同时,农历科学以及寻求评估和利用可能助长农历经济的资源的工业企业将推动向地下运营转移。地下操作可能是一个可行的解决方案,用于在表面上的极端条件下,在月球上建立持续的长期存在,受到影响较小或根本没有影响,具体取决于深度。在〜30厘米或更长时间的深度时,月球雷果维持稳定的热环境[1],屏蔽设备和潜在的栖息地,从月球表面的恶劣温度变化中。此外,地下区域包含有价值的资源,例如水冰,这对于原位资源利用(ISRU)至关重要,以支持月球上的长期人类存在。调查地下还提供了对Regolith的地质力学特性的见解,从而为未来的月球任务提供了更好的施工,开挖和流动性计划。这项工作提出了一个新颖的概念,该概念是使用适合在地下移动的机器人系统,使用身体和移动性的一部分受到地下生物(例如sand蛇和earth)的启发。所提出的技术将探索地下热特性,地质力学性质的变化以及潜在有价值的储量的检测和表征,包括但不限于冰矿床。通过弥合表面和地下探索之间的差距,这种方法有可能解锁对月球科学和沉降的关键见解。以下讨论是指类似蛇的机器人,用于初始概念插图。应注意的是,在农历之夜生存的能力已被确定为要封闭民间空间探索的#1优先技术差距[2]。
量子计算的概念通常归功于理查德·费曼,他在 1981 年推测,模拟量子力学系统的行为需要一台本质上具有量子力学性质的计算机 [1, 2];马宁 [3] 和贝尼奥夫 [4] 也在大约同一时间提出了类似的想法。1985 年,大卫·多伊奇通过形式化计算的量子力学模型,并提出量子计算具有明显计算优势的明确数学问题,为我们现在所知的量子计算奠定了基础 [5]。这反过来又引发了 20 世纪 80 年代末和 90 年代初当时尚处于萌芽阶段的量子计算领域的大量活动,并产生了该领域的两个至今仍是最重要的成就:1994 年,彼得·肖尔 (Peter Shor) 提出了一种在多项式时间内分解因式的量子算法 [6];1996 年,洛夫·格罗弗 (Lov Grover) 提出了一种搜索非结构化数据库的算法,其时间与数据库大小的平方根成比例 [7]。非结构化搜索(在这种情况下)是这样的问题:我们有 N = 2n 个元素(索引为 { 0 , 1 } n )需要搜索,还有一个“函数”f,对于恰好一个 x ∈ { 0 , 1 } n ,f(x) = 1,否则 f(x) = 0。 “非结构化”意味着没有算法捷径——f 只是技术意义上的函数,并不意味着它可以表示为一些简单的代数表达式——因此,经典上最好的(唯一)策略是穷举搜索,这要求在最坏的情况下对所有 N 个元素进行评估,平均而言对 N/2 个元素进行评估。从量子角度来看,我们可以准备所有可能的 n-双串的叠加,因此“查询”f 以获得所有可能的
引言 — 对称性是自然界的一个重要方面,在物理学中起着基础性的作用 [1,2]。诺特定理指出,汉密尔顿量的对称性与相关物理系统中的守恒量相对应 [3]。汉密尔顿量的对称性表明存在超选择规则 [4,5]。在量子计算和信息领域,对称性可以指示资源的存在或缺乏 [6],并且它有助于提高变分量子算法的性能 [7-10]。通过消除与守恒量相关的自由度,对称性的识别可以简化计算——这是诺特定理的核心。这使得对称性在物理学中非常有用。量子计算是一个相当年轻的研究领域。量子计算机最初作为图灵机的量子力学模型 [ 11 ] 被提出,其魅力在于有可能超越经典计算机。量子计算机最明显的优势在于其计算背后固有的物理原理,包括叠加和纠缠等非经典特性。随着希尔伯特空间规模的扩大,量子系统的经典模拟很快变得难以处理,需要指数级增长的比特来探索多个量子比特自然占据的状态空间。直观地说,这些计算机的量子力学性质允许以直截了当的方式模拟量子系统(参见 [ 12 ] 及其参考文献)。一个相关的例子是哈密顿模拟 [ 13 ],它引起了该领域的浓厚兴趣 [ 14 – 17 ]。已经做了大量工作来理解如何在量子硬件上模拟这些动态,以便有效地实现它们;然而,据我们所知,目前还没有可以在量子计算机上测试汉密尔顿对称性的算法,尽管以这种方式模拟汉密尔顿量和识别汉密尔顿量的对称性都被认为是至关重要的。在本文中,我们给出了量子算法来测试汉密尔顿量演化是否关于离散有限群的作用对称。该性质通常被称为演化的协方差 [18]。如果演化是对称的,那么汉密尔顿量本身也是对称的,因此我们的算法可以测试汉密尔顿对称性。此外,我们表明,对于具有可有效实现的幺正演化的汉密尔顿量,我们可以在量子计算机上有效地执行我们的第一个测试 [17]。这里的“有效”是指在 100 秒内完成计算所需的时间。