用于量子计算的图形演算,例如 ZX 演算 [9]、ZW 演算 [10] 和 ZH 演算 [2],是设计和分析量子过程的强大而直观的工具。它们已经成功应用于基于测量的量子计算研究 [15]、通过对表面码进行格点手术进行纠错 [12,13],以及量子电路优化 [4,11,22]。它们与“路径求和” [1,23,28] 的紧密联系,以及它们各自的完整方程理论 [4,16,21,27],使它们成为自动验证的良好候选者 [7,14,17]。一个重要的问题是综合问题,其答案对许多不同方面都有好处。给定一个量子过程的描述,我们如何将其转换成 ZX 图?这一切都取决于所提供的描述。我们已经展示了如何有效地从量子电路 [4]、基于测量的过程 [15]、一系列格子手术操作 [13]、“路径求和” [23] 甚至过程的整个矩阵表示 [20] 获取图表。虽然最后一种转换在矩阵大小方面是有效的,但是矩阵本身的大小会随着量子比特的数量呈指数增长,因此实际上很少有过程会以整个矩阵的形式给出。然而,矩阵表示有一个优势:它 (本质上) 是唯一的。两个量子算子在操作上相同当且仅当它们的矩阵表示共线。这与之前的所有不同例子形成了对比,例如两个不同的量子电路可以实现相同的算子。
能源系统集成小组的输电任务组进行了一项案例研究,以展示采用多值框架有效规划输电的有用方法。它量化了两种类型的输电升级:连接西德克萨斯州可再生能源区与东德克萨斯州和休斯顿负荷中心的大规模输电升级,以及德克萨斯州电力可靠性委员会 (ERCOT) 与美国东南部(佐治亚州、密西西比州和阿拉巴马州)之间的输电线路。本案例研究旨在振兴多值输电规划,为输电规划人员提供在自己的系统上实施的剧本,并向联邦能源管理委员会的拟议规则制定通知 (FERC NOPR) i 提供意见和建议,以及独立系统运营商和区域输电组织在输电规划改革方面正在进行的利益相关者努力。
摘要 先前的工作提供了将酉矩阵分解为一系列量子多路复用器的方法,但以这种方式创建的多路复用器电路可能高度非最小。本文提出了一种优化具有任意单量子比特量子目标函数和三元控制的量子多路复用器的新方法。对于多值量子多路复用器,我们定义了标准形式和两种新形式:固定极性量子形式(FPQF)和克罗内克量子形式(KQF)。从蝴蝶图的使用中获得灵感,我们设计了一种详尽构建新形式的方法。与以前使用经典布尔函数的基于蝴蝶的方法相比,这些新形式用于优化具有任意目标酉矩阵的量子电路。将新形式应用于各种目标门(如NOT、V、V +、Hadamard和Pauli旋转)的实验结果表明,这些新形式大大降低了三元量子多路复用器的门成本。
表明,为了提高在现代信息技术中使用抽象代数方法的效率,重要的是在与多种逻辑和代数操作的各种品种相对应的操作之间建立明确的连接。对于多相关逻辑,其中的变量数量等于素数,这种连接是通过Galois字段中的显式代数表达式自然建立的。可以定义代数δ功能,该功能使您可以将任何真实表减少到代数表达式,因为当多值逻辑变量接受的值等于素数的整数幂时。在本文中,我们表明代数δ函数也可以定义为当多值逻辑变量获得的值数为p-1时,其中p是质量数。此功能还允许将逻辑操作减少到代数表达式。提出了提出方法的建设性的特定示例,以及通过实验证明其足够的电子电路。
摘要 迄今为止,大多数量子计算架构都原生支持多值逻辑,尽管通常以二进制方式运行。多值或 qudit 量子处理器可以使用更丰富的量子纠缠形式,这有望显著提高量子设备的性能和实用性。然而,利用此类硬件所需的大部分理论以及相应的设计方法仍然不足,而且从量子位进行推广并不简单。一个特殊的挑战是将量子电路编译成由最先进量子硬件支持的本机 qudit 门集。在这项工作中,我们通过引入一个完整的工作流程来应对这一挑战,该工作流程将任何两 qudit 单元编译为任意本机门集。案例研究证明了所提出的方法以及相应实现的可行性(可在 github.com/cda-tum/qudit-entanglement- compilation 免费获得)。
摘要 迄今为止,大多数量子计算架构都原生支持多值逻辑,尽管通常以二进制方式运行。多值或 qudit 量子处理器可以使用更丰富的量子纠缠形式,这有望显著提高量子设备的性能和实用性。然而,利用此类硬件所需的大部分理论以及相应的设计方法仍然不足,而且从量子位进行推广并不简单。一个特殊的挑战是将量子电路编译成由最先进量子硬件支持的本机 qudit 门集。在这项工作中,我们通过引入一个完整的工作流程来应对这一挑战,该工作流程将任何两 qudit 单元编译为任意本机门集。案例研究证明了所提出的方法以及相应实现的可行性(可在 github.com/cda-tum/qudit-entanglement- compilation 免费获得)。
摘要 本研究调查了人为干预在人工智能/机器学习 (AIML) 驱动的预测中的作用。通过这样做,我们区分了三种不同类型的人机-AIML 协作:自动化、可调自动化和增强。我们推测预测不确定性和时间范围是预测准确性的两个关键决定因素。基于涉及零售行业约 1,888 个库存单位的 AIML 驱动需求预测的现场实验,我们依靠多值处理效果方法来衡量人机-AIML 协作对预测准确性的影响。我们的研究结果表明,在具有长期范围和低不确定性的预测中,人为干预最有效地补充了 AIML 驱动的预测(增强)。然而,在时间范围短、不确定性高的环境中,人工干预最不可能提高 AIML 预测(自动化)的有效性。我们讨论了对现有理论的影响,并提出了一个框架,概述了人工干预最有可能为人类-AIML 协作增加预测价值的条件。
Goldsmith, JA (1990)。自音段和韵律音系学。牛津:Blackwell。 Halle, M. (1983)。论区别性特征及其发音实现。自然语言与语言学理论 1:91-105。 Hulst, H. vd (1989)。音段结构的原子:成分、手势和依赖性。音系学 6:253-284。 Lombardi, L. (1994)。喉部特征和喉部中和。纽约:Garland。 Padgett, J. (1995)。特征几何中的限制。斯坦福:CSLI 出版物。 Sandler, W.,编辑 (1993)。音系学:手语音系学特刊。音系学 10:165-306。 Schane, SA (1984)。粒子音系学的基础。音系学年鉴 1:129–155。Walsh, DL (1997)。流音音系学。博士论文。马萨诸塞大学阿默斯特分校。Williamson, K. (1977)。辅音的多值特征。语言 53:843–871。
高度发展。然而,众所周知,经典布尔逻辑在处理不确定性、等级真值或相似性等问题时是不够的,因此出现了其他更具表现力的逻辑,这些逻辑与人工智能更加相关。非经典逻辑作为解决许多人工智能挑战的方法而出现。事实上,正是在 20 世纪,逻辑中解决了模糊性、多义性和不确定性的形式化问题。这样,改变或删除经典逻辑的七个传统标准属性中的一些属性的想法导致了非经典逻辑的诞生。这些逻辑包括一大类不同的逻辑系统,例如模态逻辑、模糊逻辑、直觉逻辑或多值逻辑 [7、8、10 – 13、20、24、25、27、31]。在人工智能领域,我们通常区分出四种一般方法 [33]:基于逻辑的人工智能、非逻辑主义人工智能、智能代理连续体方法和异构人工智能方法。基于逻辑的人工智能是一种符号方法,由麦卡锡 [28] 于 1959 年具体发起,它基于使用逻辑将知识形式化并通过逻辑推理解决问题的一般思想。该方法涵盖的一些主要领域包括知识表示、信念理论、系统实现、非单调推理、溯因和归纳推理、常识推理和规划以及问题解决(有关基于逻辑的人工智能的一般讨论,请参阅 [29])。请注意,基于逻辑的人工智能是本特刊中处理的方法。多值逻辑应用的最突出领域是基于逻辑的人工智能。一些重要的应用领域包括数据和知识挖掘的自动化、模糊概念的形式化和常识推理。在文献中,在人工智能中使用多值逻辑的研究工作包括:Aksoy 和 Ercanoglu [ 1 ] 在滑坡识别和分类中使用多值逻辑;Moraga 等人[30] 回顾并讨论了用于模糊控制的多值逻辑;Falomir 等人[22] 使用描述逻辑来解释数字图像,通过每个对象的颜色和定性形状以及其主要空间特征(位置、相对方向和拓扑)来描述每个对象,这允许通过推理推断出新的对象类别(例如门);Corsi 和 Fermüller[14] 探讨了加权论证框架与基于 t 范数的逻辑之间的联系; Almubarak 等人 [ 2 ] 提出了一种基于模糊逻辑的颜色直方图分析方法,用于在皮肤镜图像中区分良性皮肤病变和恶性黑色素瘤;Badia 等人 [ 4 ] 和 Costa 和 Dellunde [ 15 ] 研究了模糊逻辑编程和计算机科学中相关概念的逻辑属性,16];Eklund 和Löfstrand[19]应用多值逻辑,旨在丰富制造业中关于产品和生产过程的信息结构及其表示的语言;Falomir 和Pich[32]提出了一种组成定性形状的逻辑方法,并将其应用于解决空间推理测试;Flaminio等人[23]分析了多值逻辑与不确定性决策理论之间的关系;Falomir等人[21]定义了将模糊颜色模型与概率参考和接地机制(PRAGR)相结合的逻辑,以便根据上下文获得对象最具辨别力的颜色描述符。最近,Dubois等人[18]发表了关于用于推理的多值逻辑的专刊。