XiaoMi-AI文件搜索系统
World File Search System变分
使用 qBang 优化变分量子算法
变分量子算法 (VQA) 代表了一种利用当前量子计算基础设施的有前途的方法。VQA 基于通过经典算法在闭环中优化的参数化量子电路。这种混合方法减少了量子处理单元的负载，但代价是经典优化会产生平坦的能量景观。现有的优化技术，包括虚时间传播、自然梯度或基于动量的方法，都是有前途的候选方法，但要么给量子设备带来沉重的负担，要么经常遭受收敛速度缓慢的困扰。在这项工作中，我们提出了量子 Broyden 自适应自然梯度 (qBang) 方法，这是一种新颖的优化器，旨在提炼现有方法的最佳方面。通过采用 Broyden 方法近似 Fisher 信息矩阵中的更新并将其与基于动量的算法相结合，qBang 降低了量子资源需求，同时比资源要求更高的替代方案表现更好。荒原、量子化学和最大切割问题的基准测试表明，在以下情况下，其整体性能稳定，并且比现有技术有明显改进
信息论和变分推断的平方和松弛
摘要 我们考虑香农相对熵的扩展，称为 f -散度。三个经典的相关计算问题通常与这些散度有关：(a) 根据矩进行估计，(b) 计算正则化积分，以及 (c) 概率模型中的变分推断。这些问题通过凸对偶相互关联，并且对于所有这些问题，在整个数据科学中都有许多应用，我们的目标是计算上可处理的近似算法，这些算法可以保留原始问题的属性，例如潜在凸性或单调性。为了实现这一点，我们推导出一系列凸松弛，用于从与给定特征向量相关的非中心协方差矩阵计算这些散度：从通常不易处理的最佳下限开始，我们考虑基于“平方和”的额外松弛，现在它可以作为半定程序在多项式时间内计算。我们还提供了基于量子信息理论的谱信息散度的计算效率更高的松弛方法。对于上述所有任务，除了提出新的松弛方法外，我们还推导出易于处理的凸优化算法，并给出了多元三角多项式和布尔超立方体上的函数的说明。
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。
lst-ai：精确的MS病变分割的深度学习合奏
。cc-by-nc 4.0国际许可证可永久提供。是作者/资助者，他已授予Medrxiv的许可证，以显示预印本（未通过同行评审证明）预印版本的版权所有者此版本发布于2024年3月11日。 https://doi.org/10.1101/2023.11.23.23298966 doi：medrxiv preprint
视觉变压器带有遮盖自动编码器，用于基于大尺寸视网膜图像的引用糖尿病性视网膜病变分类
基于深度学习算法的计算机辅助诊断系统已显示出糖尿病性视网膜病快速诊断（DR）的潜在应用。由于变压器的出色表现而不是自然图像上的卷积神经网络（CNN），因此我们尝试开发一种新模型，以使用变压器使用有限数量的大型视网膜图像来对引用的DR进行分类。在本研究中应用了带有蒙版自动编码器（MAE）的视觉变压器（VIT），以提高参考DR的分类性能。我们收集了超过224×224的100,000张公共底面的视网膜图像，然后使用MAE在这些视网膜图像上进行了预训练的VIT。将预训练的VIT应用于对引用的DR进行分类，还将性能与使用ImageNet的VIT预先训练的性能进行了比较。通过使用MAE进行超过100,000个视网膜图像预先培训，模型分类性能的改善优于预先训练的Ima-Genet。本模型的精度，曲线下的面积，最高灵敏度和最高特异性分别为93.42％，0.9853、0.973和0.9539。本研究表明，MAE可以为输入图像提供更大的灵活性，并大大减少所需图像的数量。同时，这项研究中的预处理数据集量表比ImageNet小得多，并且不需要ImageNet的预训练权重。
基因组学如何彻底改变分类学
基因组中包含的信息对于我们植物病理学家来说是一座金矿，使我们能够改进诊断方法并寻找与流行病学和植物-微生物相互作用有关的特征，以及它们背后的进化过程。2022 年是《自然》杂志上发表的前两个黄单胞菌全基因组序列（da Silva 等人，2002 年）的 20 周年。十年后，我加入了黄单胞菌社区，致力于宿主适应性研究，这篇出版物是我阅读的第一篇黄单胞菌论文之一。这项工作的一个核心方面是比较两种黄单胞菌致病变种，即柑橘黄单胞菌和油菜黄单胞菌，它们分别对柑橘和十字花科植物具有致病性。这种方法使作者能够识别菌株特异性基因，并提出可能解释不同宿主特异性和致病过程的机制，这是我们社区的两个热点问题（Harris 等人，2020 年；Jacques 等人，2016 年）。这种比较基因组学分析在许多方面都具有开创性，下一个黄单胞菌基因组花了三年多的时间才发表。几年后，随着越来越快、越来越便宜的测序技术的出现，全基因组测序“民主化”了（Zhao & Grant，2011 年），很快导致每年发布几十个，然后是几百个黄单胞菌基因组序列（图 1）。
使用变分量子算法训练迭代协议以提炼 GHZ 状态
我们提出了用于制备 Greenberger-Horne-Zeilinger (GHZ) 状态的优化提炼方案。我们的方法依赖于以受白噪声影响的 GHZ 状态作为输入来训练变分量子电路。通过对该方案进行一次迭代优化，我们发现可以提高 GHZ 状态的保真度，尽管进一步迭代会降低保真度。同样的方案，作用于相干失真的纯态输入，仅在某些特殊情况下有效。然而，我们表明，当在协议的两次迭代后优化输出时，可以实现截然不同的结果。在这种情况下，获得的方案在从受白噪声影响的输入中提炼 GHZ 状态方面更有效。此外，它们还可以纠正几种类型的相干纯态误差。
开放量子系统动力学的自适应变分模拟
新兴的量子硬件为量子模拟提供了新的可能性。虽然大部分研究都集中在模拟封闭的量子系统上，但现实世界的量子系统大多是开放的。因此，开发能够有效模拟开放量子系统的量子算法至关重要。在这里，我们提出了一种自适应变分量子算法，用于模拟由林德布拉德方程描述的开放量子系统动力学。该算法旨在通过动态添加运算符来构建资源高效的模拟，同时保持模拟精度。我们在无噪声模拟器和 IBM Q 量子处理器上验证了算法的有效性，并观察到与精确解的良好定量和定性一致性。我们还研究了所需资源随系统规模和精度的变化，并发现了多项式行为。我们的结果表明，不久的将来的量子处理器能够模拟开放量子系统。
量子技术变分量子分类器在农业中的应用，用于小麦品种分类
摘要。本研究提出使用变分量子分类器对小麦品种进行自动分类。在大型数据集上训练的模型将能够识别种子特征和品种成员之间的独特模式和关系。这将使农民和研究人员能够更准确地识别小麦品种，从而可以改善种植和作物管理过程。这种方法不仅符合优化农业生产的需要，而且符合使用先进技术实现农业部门精准和高效的背景。通过这项研究，预计小麦生产的质量和可持续性将得到改善，这对粮食安全和可持续农业发展至关重要。该问题的目标是根据种子特征对小麦品种进行分类。VQC 在训练数据集上进行训练，然后在测试数据集上进行评估。为了评估模型的性能，使用了各种指标，例如准确度、精确度、召回率、F1 分数和混淆矩阵。
使用扩散模型增强多模态 MRI 扫描中的多发性硬化症病变分割
摘要 — 从磁共振成像 (MRI) 扫描中准确分割多发性硬化症 (MS) 病变对于临床诊断和有效治疗计划至关重要。在这项工作中，我们研究了扩散模型 (DM) 在实现 MS 病变像素分割方面的有效性。DM 显著提高了分割灵敏度，尤其是在具有细微异常的区域。我们使用来自公共数据集的磁共振体积进行了广泛的实验，涵盖了各种成像模式。我们的分析证明了 DM 如何实现与最先进技术相当的性能水平，平均 Dice 系数与现有最佳方法相当就是明证。此外，标准 DM 的一些变体在各种成像模式下都表现出稳健性，展示了其在临床环境中的多功能性。索引词 — 多发性硬化症、去噪扩散模型、病变分割、医学图像分析