XiaoMi-AI文件搜索系统
World File Search System变分
热场双态的变分制备...
热场复偶（TFD）是反德西特/共形场论（AdS/CFT）对应关系中的一种特殊状态[1]，它将 D + 1 维反德西特空间中的假定量子引力理论与维度 D 边界上的共形场论联系起来。黑洞发射热辐射[2]，实际上在外部留下一个热密度矩阵。以色列[3]指出，通过考虑热场复偶可以重现可观测量的计算，类似于史瓦西几何的最大延伸。后来，马尔达西那[4]在 AdS/CFT 的背景下推测，边界 CFT 的 TFD 应该对应于 AdS 中永恒的双面黑洞。存在于相差一维的理论之间的对偶性这种想法通常被称为全息论。为了检验这种二元性，考虑可穿越虫洞现象是很有趣的，这是 AdS/CFT 的一个惊人预测。从引力的角度来看，黑洞两侧的边界显然不能因果通信。虽然有一个空间虫洞连接两个外部区域，但人们无法穿越它而不落入黑洞奇点。如果爱丽丝和鲍勃在对立面，他们就无法相遇，除非他们一起跳进黑洞。Gao、Jafferis 和 Wall [ 22 ] 的最新进展表明，两种边界理论的特定耦合会产生负能量冲击，使 TFD 状态下的虫洞可穿越。换句话说，鲍勃可以与爱丽丝团聚而不会被吸入黑洞。作为此协议以及 AdS/CFT 中许多其他思想实验的起点，人们假设可以访问 TFD 状态。一个很有前途的用于探测 AdS/CFT 的量子力学系统是 Sachdev-Ye-Kitaev (SYK) 模型 [5,6]。例如，它在低能下表现出共形对称性，其动力学由 Schwarz 作用量支配 [7]。相同的作用量支配着一种被称为 Jackiw-Teitelboim 引力的二维量子引力理论 [8,9]。此外，它已被证明会在低温下使混沌界限饱和，这也是黑洞最大扰乱的标志 [10,11]。在参考文献 [12] 中，作者在近 AdS2 中构造了永恒可穿越虫洞解，并表明两个耦合 SYK 模型的低能极限具有相同的作用量。一个关键结果是，他们表明 SYK 模型的 TFD 可以很好地通过具有小相互作用的双边哈密顿量的基态来近似。在本研究中，我们考虑了在噪声中尺度量子 (NISQ) [ 13 ] 设备上准备 SYK 模型的 TFD 的状态的任务。参考文献 [ 14 ] 中考虑了准备任意理论的 TFD 的更一般任务。同样，该策略是构建一个哈密顿量，其基态编码了 TFD 结构。虽然方程中的哈密顿量文献 [ 12 ] 中的 (3.21) 可以看作文献 [ 14 ] 中构造的略微特殊版本，我们将在本文中使用它，因为它相对简单。这两种方法都考虑使用辅助浴将系统绝热冷却到基态。在这里，我们采用变分法，从参数可调的量子电路假设开始。这样就不需要辅助系统了。类似的方法曾用于构造 Ising 模型的 TFD [ 15 ]。简而言之
基于变分量子发射的波导模式模拟
摘要 — 当前的量子计算机 (QC) 属于嘈杂的中型量子 (NISQ) 类，其特点是量子比特嘈杂、量子比特能力有限、电路深度有限。这些限制导致了混合量子经典算法的发展，该算法将计算成本分摊到经典硬件和量子硬件之间。在混合算法中，提到了变分量子特征值求解器 (VQE)。VQE 是一种变分量子算法，旨在估计通用门量子架构上系统的特征值和特征向量。电磁学中的一个典型问题是波导内特征模的计算。按照有限差分法，波动方程可以重写为特征值问题。这项工作利用量子计算中的量子叠加和纠缠来解决方波导模式问题。随着量子比特数的增加，该算法预计将比传统计算技术表现出指数级的效率。模拟是在 IBM 的三量子比特量子模拟器 Qasm IBM Simulator 上进行的。考虑到基于计算的量子硬件测量，进行了基于镜头的模拟。以二维本征模场分布形式报告的概率读出结果接近理想值，量子比特数很少，证实了利用量子优势制定创新本征解法的可能性。
基于测量的变分量子特征值求解器的确定性分析
摘要 基于测量的量子计算 (MBQC) 是一种很有前途的方法，可以减少嘈杂的中型量子算法（例如变分量子特征值求解器 (VQE)）中的电路深度。与基于门的计算不同，MBQC 在预先准备的资源状态上使用局部测量，在电路深度和量子比特数之间提供权衡。确保确定性对 MBQC 至关重要，特别是在 VQE 环境中，因为测量模式缺乏流动性会导致在无关位置评估成本函数。本研究介绍了尊重确定性并类似于广泛使用的与问题无关的硬件高效 VQE 假设的 MBVQE 假设。我们使用 Schwinger Hamiltonian 和 XY 模型上的理想模拟来评估我们的方法，并在具有自适应测量功能的 IBM 硬件上进行实验。在我们的用例中，我们发现通过后选择确保确定性比通过自适应测量效果更好，但会增加采样成本。此外，我们提出了一种有效的 MBQC 启发式方法，用于在具有重十六进制连接的硬件上准备资源状态，特别是集群状态，需要单轮测量，并在具有 27 和 127 个量子比特的量子计算机上实现此方案。我们观察到较大集群状态的显着改进，尽管直接基于门的实现对于较小的实例实现了更高的保真度。
变分自动编码器用于多系统可靠性优化
摘要 — 多接入边缘计算 (MEC) 被视为未来无线网络不可或缺的一部分，用于支持对服务可靠性和延迟有严格要求的新应用。然而，由于无线链路的不确定性、有限的通信和计算资源以及动态网络流量，保证超可靠和低延迟 MEC (URLL MEC) 非常具有挑战性。启用 URLL MEC 要求考虑到无线和边缘计算系统中端到端 (E2E) 延迟和可靠性的统计数据。在本文中，提出了一种新颖的框架，通过考虑 E2E 服务延迟的分布来优化 MEC 网络的可靠性，包括无线传输和边缘计算延迟。所提出的框架基于相关变分自动编码器 (VAE) 来估计 E2E 服务延迟的完整分布。利用该结果，提出了一个基于风险理论的新优化问题，通过最小化条件风险价值 (CVaR) 作为 E2E 服务延迟的风险度量来最大化网络可靠性。为了解决这个问题，开发了一种新算法，可以有效地将用户的处理任务分配给 MEC 网络上的边缘计算服务器，同时考虑 VAE 学习到的 E2E 服务延迟的统计数据。模拟结果表明，所提出的方案优于几个不考虑 E2E 服务延迟风险分析或统计的基线。
解决自适应变分量子算法的核结构问题
我们使用Lipkin-Meshkov-Glick（LMG）模型和Valence空间核壳模型来检查核结构理论中变异量子量化的可能性能。LMG模型在其中一个阶段的均值级别上表现出相变和自发对称性的破坏，这些阶段表征了中等质量和重核中集体动力学的特征。我们表明，通过适当的修改，Adapt-VQE算法是一种特别灵活和准确的变化方法，并没有受到这些并发症的困扰。我们最多处理12个颗粒，并表明与量子数的数量线性接近地面能量所需的量子操作数量。将算法应用于SD和PF壳中具有逼真的相互作用的核心模型时，我们发现了类似的缩放尺度。尽管这些模拟中的大多数没有噪声，但我们使用Real IBM硬件的噪声模型表明，对于具有四个颗粒的LMG模型，弱噪声对算法的效率没有影响。
基于变分量子电路的函数回归理论误差性能分析
噪声中型量子 (NISQ) 设备使得量子神经网络 (QNN) 的变分量子电路 (VQC) 的实现成为可能。尽管基于 VQC 的 QNN 在许多机器学习任务中取得了成功，但 VQC 的表示和泛化能力仍需要进一步研究，特别是涉及到经典输入的降维时。在这项工作中，我们首先提出了一个端到端量子神经网络，即 TTN-VQC，它由一个基于张量训练网络 (TTN) 的量子张量网络组成，用于降维，还有一个 VQC 用于函数回归。然后，我们针对 TTN-VQC 的表示和泛化能力进行误差性能分析。我们还利用 Polyak-Lojasiewicz (PL) 条件来表征 TTN-VQC 的优化特性。此外，我们对手写数字分类数据集进行了功能回归实验，以证明我们的理论分析。
变分量子电路制备低能对称态
摘要：我们探索如何构建量子电路，通过将给定汉密尔顿量显式编码到电路中来计算对称子空间内给定汉密尔顿量对应的最低能量状态。我们创建显式酉和变分训练酉，将由定义子空间中的 ansatz A(oL) 输出的任何矢量映射到对称空间中的矢量。对参数进行变分训练以最小化能量，从而将输出保持在标记的对称值内。该方法针对使用旋转和反射对称的自旋 XXZ 汉密尔顿量和使用 S 2 对称的 S z = 0 子空间内的 % 汉密尔顿量进行了测试。我们发现变分训练的酉在深度非常低的电路中给出了良好的结果，因此可用于在近期量子计算机中准备对称状态。
相互信息辅助自适应变分量子质量
摘要：将鞭毛（将二键均稳定于放射性衰减中，纳入新材料中，可以创造出诸如永久磁性，超导性和非平凡拓扑的新兴特性。了解驱动BI反应性的因素对于实现这些特性至关重要。使用压力作为可调的合成载体，我们可以访问未开发的相空间区域，以促进不在环境条件下反应的元素之间的反应性。此外，在高压下发现材料发现的计算方法和实验方法比单独实验可以实现对热力学景观的更广泛的见解，从而使我们了解我们对主导化学因子控制结构形成的理解。在此，我们报告了我们对MO- BI系统的组合计算和实验探索，以前尚无二元金属间结构。使用从头算随机结构搜索（AIRSS）方法，我们确定了0-50 GPA之间的多个合成目标。高压原位粉末X射线X射线差异实验在钻石砧细胞中进行的确认，在施加压力时，Mo-bi-bi混合物在35.8（5）gpa的35.8（5）gpa时表现出丰富的化学作用，包括计算预测的Cual 2-Type MOBI 2结构。电子结构和声子分散计算表明，价电子计数与高压过渡金属 - BI结构中的键合以及识别两个动态稳定的环境压力符号。■简介我们的研究证明了合并的计算方法 - 实验方法在捕获高压反应性发现高压反应性方面的功能。
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