XiaoMi-AI文件搜索系统
World File Search System子网
利用与测量设备无关的量子网络进行实验性对称隐私信息检索
摘要 在当今高度数字化的社会中，安全信息检索是一项基本任务。在某些应用中，可能需要强制执行用户查询的隐私和数据库内容的安全性。对于这些设置，可以采用对称私有信息检索 (SPIR)，但众所周知，其实现要求很高，需要私钥交换网络作为基础层。在这里，我们首次报告了由量子安全密钥交换网络连接的可证明安全的 SPIR 的实现。SPIR 方案着眼于生物特征安全性，可从包含 800 个条目的数据库中安全检索 582 字节的指纹文件。我们的实验结果清楚地证明了 SPIR 与量子安全通信的可行性，从而为未来量子互联网上的安全分布式数据存储和云计算开辟了新的可能性。
论文 用于可重构量子网络的 GHz 脉冲纠缠光子源
摘要 纠缠是量子网络中的通用资源，但纠缠光子源通常是为特定用例定制的。多功能性（包括状态调制和光子时间特性的可调谐性）是灵活网络架构和加密原语的关键，这些原语超越了量子密钥分发。本文，我们报告了一种灵活的源设计，可在连续波和 GHz 速率脉冲操作模式下产生高质量纠缠。利用现成的光学元件，我们的方法使用基于光纤的 Sagnac 环以高效率和高于 0.99 的保真度在电信波长下产生偏振纠缠光子。在产生纠缠态之前，高达 GHz 的相位调制也是可能的，以实现快速纠缠态切换。我们展示了 100 MHz 的相位调制，平均保真度为 0.95。此外，源 60 nm 光谱带宽与完全可重构的波长复用量子网络完全兼容。
中性原子处理器的量子网络架构
摘要 开发用于量子处理器远程纠缠的网络是量子信息科学领域的一项突出挑战。我们提出并分析了一种用于中性原子量子计算机远程纠缠的双物种架构，该架构基于光学捕获原子量子比特阵列与用于光子收集的快速光学器件的集成。其中一种原子用于原子-光子纠缠，另一种原子用于局部处理。我们比较了两种光学方法可实现的远程纠缠生成速率：使用透镜的自由空间光子收集和近同心、长工作距离谐振腔。腔内的激光冷却和捕获消除了从源区域机械传输原子的需要，从而可以实现快速的重复率。使用优化的腔精细度值，预测在实验可行参数下远程纠缠生成速率 > 10 3 s − 1。
Savo Glisic - 无线量子网络
作为对更高数据速率不断增长的需求的解决方案的一部分，无线通信正朝着越来越高的频率发展，包括毫米波和太赫兹波段。与此同时，量子物理学正在试验亚光、太赫兹甚至更低波段上的量子态传输。为了预期量子计算机网络和无线网络上量子密钥分发 QKD 的发展，需要设计工具来优化异构网络，尽可能无缝地融合这两种技术。
量子网络安全的审查：威胁，风险和机会
基于系统研究的关键网络安全问题。我们提供了最先进的量子计算和网络安全的全面，说明性的描述，并提出了迄今为止提出的方法。量子计算中的发现网络安全表明，可以采用量子计算来改善网络安全威胁，而它对网络安全构成了最出乎意料的威胁。这项系统调查的重点和深度不仅为量子和网络安全从业人员和研究人员提供了有关该领域当前趋势的合并知识，而且还为在该领域进行进一步研究的起点是一个起点。
量子网络中的单光子非局域性
当光子撞击平衡分束器时，会获得单光子最大纠缠态。其非局部性质在量子光学和基础界引起了激烈的争论。然而，很明显，仅由无源光学元件制成的标准贝尔测试无法揭示这种状态的非局部性。我们表明，单光子纠缠态的非局部性仍然可以在仅由分束器和光电探测器组成的量子网络中揭示。在我们的协议中，三个单光子纠缠态分布在一个三角形网络中，在光子路径中引入了不确定性，并创建了非局部相关性，而无需进行测量选择。我们讨论了一个具体的实验实现，并提供了我们的协议对标准噪声源耐受性的数值证据。我们的结果表明，单光子纠缠可能是一种有希望的解决方案，可以生成真正的网络非局部相关性，可用于基于贝尔的量子信息协议。
量子电路在通用量子网络上的分布
摘要 — 近期的量子计算机只能容纳少量的量子比特。促进大规模量子计算的一种方法是通过量子计算机的分布式网络。在这项工作中，我们考虑了在异构量子计算机的量子网络中以量子电路的形式分发量子程序的问题，以最小化执行分布式电路所需的总体通信成本。我们考虑了两种通信方式：在计算机对之间创建量子比特链接副本的猫纠缠和隐形传态。异构计算机对猫纠缠和隐形传态操作施加了约束，这些约束可以通过算法来选择。我们首先关注一种特殊情况，即只允许猫纠缠而不允许隐形传态进行通信。我们提供了一个两步启发式方法来解决这种特殊情况：(i) 使用禁忌搜索找到分配给计算机的量子比特，以及 (ii) 使用为集合覆盖问题的约束版本设计的迭代贪婪算法来确定在本地执行门所需的猫纠缠操作。对于允许两种通信形式的一般情况，我们提出了两种算法，将量子电路细分为几个部分，并在每个部分上应用针对特定设置的启发式算法。然后使用隐形传态将每个部分的解决方案拼接在一起。最后，我们在大量随机生成的量子网络和电路上模拟我们的算法，并研究其结果相对于几个不同参数的属性。
具有多方状态分布的量子网络断层扫描
摘要 — 量子信息的脆弱性使得在量子信道传输下完全将量子态与噪声隔离几乎是不可能的。量子网络是由量子处理设备通过量子信道互连而形成的复杂系统。在这种情况下，表征信道如何在传输的量子态中引入噪声至关重要。非幺正量子信道引入的误差分布的精确描述可以为量子纠错协议提供信息，以针对特定误差模型定制操作。此外，通过使用端到端测量监控网络来表征此类误差，端节点可以推断网络链路的状态。在这项工作中，我们通过引入量子网络断层扫描问题来解决量子网络中量子信道的端到端表征问题。该问题的解决方案是使用仅在端节点中执行的测量来估计定义网络中所有量子信道的 Kraus 分解的概率。我们详细研究了任意星形量子网络的情况，这些网络的量子信道由单个 Pauli 算子描述，例如比特翻转量子信道。我们为此类网络提供了多项式样本复杂度的解决方案。我们的解决方案证明预共享纠缠在参数可识别性方面具有估计优势。
复合电池阴极中粒子网络的动力学
摘要：改善复合电池电极需要精细控制活性材料和电极配方。电化学活性材料通常以微米大小的颗粒的形式出现，通过与周围的导电网络相互作用，可以实现其作为能量交换储层的作用。这里制定了网络演化模型，以解释这些颗粒的电化学活性与机械损伤之间的调节和平衡。通过统计分析LINI 0.8 MN 0.1 CO 0.1 CO 0.1 O 2的阴极中的数千个颗粒，我们发现局部网络异质性导致早期周期中的异步活动，然后粒子组件朝同步行为移动。我们的研究指出了单个颗粒的化学机械行为，并可以更好地设计导电网络，以优化操作过程中所有颗粒的实用性。
检测癫痫发作的量子网络
背景：机器学习 (ML) 为科学家开发有效的计算机辅助诊断 (CAD) 系统铺平了道路。近年来，使用脑电图 (EEG) 数据和深度学习模型进行癫痫发作检测引起了广泛关注。然而，在深度学习网络中，瓶颈是大量可学习的参数。方法：在本研究中，提出了一种新方法，包括用于特征提取的 1D 卷积神经网络 (CNN) 模型，然后是用于分类的经典量子混合层。所提出的技术只有 745 个学习参数，这是迄今为止报道的最少的。结果：所提出的方法在 Bonn EEG 数据集上的二元分类中实现了 100% 的最大准确度、灵敏度和特异性。此外，还检查了所提出模型的噪声鲁棒性。据作者所知，这是第一项使用量子机器学习 (QML) 检测癫痫发作的研究。结论：因此，开发的混合系统将帮助神经科医生以在线模式检测癫痫发作。