XiaoMi-AI文件搜索系统
World File Search System定态
观察超辐射相变与新兴猫态
1 福州大学物理与信息工程学院，福建省量子信息与量子光学重点实验室，福建福州 350108 2 日本理化学研究所理论量子物理实验室，日本埼玉县和光市 351-0198 3 日本理化学研究所量子计算中心 (RQC) 量子信息物理理论研究团队，日本埼玉县和光市 351-0198 4 中国科学院物理研究所、北京凝聚态物理国家实验室，北京 100190 5 中国科学院大学中国科学院拓扑量子计算卓越中心，北京 100190 6 华南理工大学物理与光电子学院，广州 510640 7 华南理工大学物理与光电子学院，现代光学仪器国家重点实验室、浙江省量子技术与器件重点实验室量子信息交叉学科中心浙江大学物理学系，杭州 310027 8 波兰波兹南亚当密茨凯维奇大学物理学院自旋电子学和量子信息研究所，61-614 9 密歇根大学物理系，密歇根州安娜堡 48109-1040，美国
加扰和量子隐形传态
摘要 加扰是一个由黑洞中的信息丢失问题引入的概念。本文我们从纯量子信息论的角度讨论了加扰的影响，而不考虑信息丢失问题。我们引入了用于量子隐形传态的7量子电路。结果表明，如果使用最大加扰幺正，隐形传态可以是完美的。由此我们推测“加扰的数量与隐形传态的保真度成正比”。为了证实这一猜想，我们引入了θ相关的部分加扰幺正，当θ = 0和θ = π/ 2时，它分别退化为无加扰和最大加扰。然后，我们利用qiskit（版本0.36.2）和7量子比特真实量子计算机ibm_oslo，以分析和数值方式计算平均保真度。最后，我们表明我们的猜想可能是正确的，也可能是错误的，这取决于贝尔测量的量子比特的选择。
来自纠缠态几何的张量网络表示
如何控制系统规模增大时复杂性的指数增长是量子多体系统理论的主要问题之一。过去二十年，量身定制的 Ansatz 类（如张量网络态）在数值计算 [ 1 – 4 ] 和分析工作 [ 5 , 6 ] 方面取得了巨大进展。这些成果包括基态性质 [ 7 – 9 ]、量子相分类 [ 10 , 11 ]、无序系统 [ 12 – 16 ]、开放量子多体系统的行为 [ 17 , 18 ]、临界系统 [ 19 ]，以及与 AdS / CFT 对应相关的研究 [ 20 ]。此类张量网络方法的核心是通过应用局部线性运算从底层资源状态中获得一类感兴趣的物理状态，这可看作是应用随机局部运算和经典通信 [21]。对于矩阵积态 (MPS) 和投影纠缠对态 (PEPS)，这些状态由最大纠缠态网络给出。对于某些应用，已经引入了其他张量网络结构，如树张量网络 [22, 23] 和多尺度重正化假设 (MERA) [24, 25]，后者捕获了临界系统的基态属性。最近探索的另一种推广 MPS 和 PEPS 的途径允许除了 EPR 对之外的更一般的资源状态 [26-28]。它们基于在多个格点之间共享的多部分量子态，例如 GHZ 态 [27]。在本研究中，我们通过扩展底层资源状态或纠缠结构以及允许的操作类别，进一步推广了这种方法。更准确地说，我们允许单参数近似表示系列，它们可以以任意精度再现感兴趣的状态。我们展示了如何将这些近似表示转换为中等数量张量网络状态的线性叠加的精确表示。这种方法为某些类别的状态提供了更有效的张量网络表示，并产生了一种有效的算法来忠实地重建期望值。此外，我们获得的结果允许以普通 PEPS 的形式模拟或重新表达基于多部分资源状态的张量网络状态，从而能够通过针对 PEPS 的高度优化的方法对这些状态进行数值处理。作为一个具体的例子，我们表明，基于 [ 27 ] 中引入的 GHZ 态的二维方晶格上的半注入 PEPS 具有键维数 D ，可以表示为键维数为 2 D 的正常 PEPS。作为我们结果应用的一个例子，我们考虑共振价键 (RVB) 状态，最初被认为是自旋液体的基态 [ 29 ]，在高温超导理论中也具有重要意义 [ 30 ]。RVB 态也在 PEPS 的背景下得到了广泛的研究 [ 31 – 33 ]。在 [ 31 ] 中引入了该状态的第一个张量网络表示，即键维数等于 3 的 PEPS。我们提出了两种新的状态表示：具有非均匀键维数的 PEPS
从二维拓扑绝缘体设计角态
我们从理论上证明了通过施加平面塞曼场可以在二维 Z 2 拓扑绝缘体中实现具有稳健角态的二阶拓扑绝缘体。塞曼场破坏了时间反演对称性，从而破坏了 Z 2 拓扑相。然而，它尊重一些晶体对称性，因此可以保护高阶拓扑相。以 Kane-Mele 模型为具体例子，我们发现沿锯齿边界的自旋螺旋边缘态被塞曼场隔开，而在两个锯齿边缘的交叉点处出现了带隙内角态，该角态与场的方向无关。我们进一步表明，角态对平面外塞曼场、交错亚晶格势、Rashba 自旋轨道耦合和蜂窝晶格的屈曲具有稳健性，使它们在实验上可行。在著名的 Bernevig-Hughes-Zhang 模型中也可以发现类似的行为。
A320 着陆时涡流产生的非定常气动载荷...
AFLoNext 是一个为期四年的项目，由欧盟委员会在第七框架计划下资助。该项目的主要目标是验证和完善用于新型飞机配置的极具前景的流动控制和降噪技术，以在提高飞机性能和减少环境足迹方面迈出一大步。该项目联盟由来自 15 个国家的 40 个欧洲合作伙伴组成。构成 AFLoNext 科学概念的六条技术流之一涉及减轻和控制起飞和降落期间起落架区域的振动。起落架附近的结构部件，例如起落架壳壁、支柱或起落架门，通常会承受显著的动态载荷。这些载荷源于波动的气动压力和由此产生的结构振动。机身下方高度波动且复杂的气动流动行为会导致结构部件上的非稳定压力。本文介绍了用于预测此类动态载荷的 CFD 方法，并介绍了使用混合 RANS-LES 模型和格子波尔兹曼方法计算的一些初步结果。与飞行测试数据的比较验证了这些 CFD 模拟的真实性。
通过定制图神经网络进行预置网络长度和时间估计
摘要 — 网络长度是标准数字设计流程各个阶段中优化时序和功耗的关键代理指标。然而，大部分网络长度信息直到单元布局之前才可用，因此，在布局之前的设计阶段（例如逻辑综合）明确考虑网络长度优化是一项重大挑战。此外，缺乏网络长度信息使准确的布局前时序估计变得极其困难。时序可预测性差不仅影响时序优化，而且妨碍对综合解决方案的准确评估。这项工作通过一个带有网络长度和时序估计器的布局前预测流程解决了这些挑战。我们提出了一种可定制的图注意网络 (GAT) 方法，称为 Net 2，用于在单元布局之前估计单个网络长度。其面向准确度的版本 Net 2a 在识别长网络和长关键路径方面的准确度比之前的几项工作高出约 15%。其快速版本 Net 2f 比布局快 1000 倍以上，同时在各种精度指标方面仍优于以前的工作和其他神经网络技术。基于网络大小估计，我们提出了第一个基于机器学习的预布局时序估计器。与商业工具的预布局时序报告相比，它将电弧延迟中的相关系数提高了 0.08，并将松弛、最差负松弛和总负松弛估计的平均绝对误差降低了 50% 以上。
考试：双态热力学分析程序
该项目的开发是在作者担任美国国立卫生研究院国家糖尿病、消化和肾脏疾病研究所 (NIDDK) Ira Levin 博士实验室客座研究员期间进行的，他的热情好客和热情将永远被人们铭记和赞赏。最后，
理解量子隐形传态协议
量子计算的发展推动了对量子网络的发展需求，以便将地理上分散的量子计算机互连 [1,2]。量子隐形传态协议可以将任意未知的量子态从一个位置传输到另一个位置 [3]。本文旨在说明如何将复杂系统的行为分解和抽象为一组较小的块，以方便理解更复杂的行为。具体来说，我们将展示如何将量子隐形传态协议（量子网络的基本元素）分解为其组成块，独立研究每个块的行为，并检查这些块的互连集合如何表现，从而简化对协议工作原理的理解。量子隐形传态协议通常被视为“神奇的”，因为它是将未知量子态从一个位置传输到另一个位置的唯一方法 [2]。我们试图揭开这种观点的神秘面纱，以表明量子隐形传态协议背后没有“魔法”。通过对量子力学块的数学抽象建立良好的理解，检查组成块的行为，研究块集合的组成，并使用大学水平的代数进行简单的数学分析，人们可以轻松理解该协议的工作原理。在本文中，我们假设读者对量子信息理论表示有基本的了解。
隐形传态中的量子信息传输
最近，我们目睹了量子信息科学的快速发展，这得益于量子技术革命，它使许多理论思想得以通过实验实现。对量子概念的哲学分析比以往任何时候都更加重要，这些概念在量子理论诞生之初就被引入，但从未达成共识。在这里，我分析了可以说是最奇怪的量子信息协议：量子隐形传态，即使用极少的资源传输量子态。当隐形传态论文 (Bennett et al. 1993) 的合著者 Asher Peres 被记者问到量子隐形传态是否可以像传送身体一样传送灵魂时，他回答说：“不，不是身体，只是灵魂。”隐形传态协议中传送了什么以及如何传送，仍然是有争议的问题。量子粒子的不可区分性使得 Saunders (2006) 提出了这样的问题：“量子粒子是物体吗？”但正是这种不可区分性使得隐形传态成为可能：在隐形传态协议中，粒子（“身体”）不会移动。一个地方的粒子（“灵魂”）的量子态会转移到另一个地方的粒子。如今，人们不会从一个城市被隐形传态到另一个城市，而且可以肯定地说，这种情况永远不会发生，但隐形传态协议已成为量子信息的基石之一。隐形传态的数学原理没有争议，但我们仍需要了解这一过程的矛盾特征（见 Vaidman 1994a）：如何通过经典信道发送少量信息来发送需要大量信息的量子态：