XiaoMi-AI文件搜索系统
World File Search System噪声波动
基于自动编码器-CNN-GAN算法制定加密货币交易策略
摘要 - 该纸张利用机器学习算法来预测和分析财务时间序列。该过程始于一个deno的自动编码器，以从主合同价格数据中滤除随机噪声波动。然后，一维卷积会降低过滤数据的维度并提取关键信息。被过滤和降低的价格数据被馈送到GAN网络中，其输出作为完全连接的网络的输入。通过交叉验证，训练了模型以捕获价格波动之前的功能。该模型预测了实时价格序列的重大价格变化的可能性和方向，将交易置于高预测准确性的时刻。经验结果表明，使用自动编码器和卷积来过滤和DENOSIS财务数据，结合gan，实现一定程度的预测性能，验证了机器学习算法的能力，以发现财务序列中的基本模式。
2412.08694v1.pdf
量子密钥分发 (QKD) 提供了一种理论上安全的密钥共享方法，但实际实施面临长距离信道噪声和损失带来的挑战。传统的 QKD 协议需要大量的噪声补偿，这阻碍了其工业可扩展性并降低了可实现的密钥速率。替代协议在抗噪声状态下对逻辑量子位进行编码，但代价是使用许多物理量子位，增加了丢失的可能性并限制了传输距离。在这项工作中，我们引入了一种逻辑量子位编码，它在连续光子自由度、频率和时间中使用反对称贝尔态。通过利用连续空间，我们通过最小化每个逻辑量子位的光子数量来克服这种噪声损失稳健性权衡，同时优化编码对噪声波动的弹性。我们分析了我们的编码的安全性，并证明了它与现有的最先进协议相比的稳健性。这种方法为在现实噪声条件下实现可扩展、高效的 QKD 实施提供了一条途径。
可靠的设备产生稳定的量子计算
摘要 — 稳定的量子计算要求噪声结果即使在存在噪声波动的情况下也能保持有界。然而，非平稳噪声过程会导致量子设备不同特性的漂移，从而极大地影响电路结果。在这里，我们讨论噪声的时间和空间变化如何将设备可靠性与量子计算稳定性联系起来。首先，我们的方法使用 Hellinger 距离量化在不同时间和地点收集的特征指标的统计分布差异。然后，我们验证一个分析界限，将该距离直接与计算期望值的稳定性联系起来。我们的演示使用华盛顿超导 transmon 设备的模型进行数值模拟。我们发现稳定性指标始终由相应的 Hellinger 距离从上方限制，这可以作为指定的容差水平。这些结果强调了可靠量子计算设备的重要性及其对稳定量子计算的影响。索引术语 — 设备可靠性、程序稳定性、时空非平稳性、时变量子噪声