XiaoMi-AI文件搜索系统
World File Search System对称性
量子计算机上的对称性破坏/对称性保持电路和对称性恢复
摘要 我们在此讨论在量子计算机上处理量子多体问题时与其对称性相关的一些方面。回顾了与对称性守恒、对称性破缺和可能的对称性恢复有关的几个特点。在简要讨论了一些与多粒子系统相关的标准对称性之后，我们讨论了在量子分析中直接编码某些对称性的优势，特别是为了减少量子寄存器大小。然而众所周知，当自发对称性破缺发生时，使用对称性破缺状态也可以成为一种独特的方式来纳入特定的内部相关性。这些方面是在量子计算的背景下讨论的。然而，只有当最初破缺的对称性得到适当恢复时，才能精确描述量子系统。介绍了几种在量子计算机上执行对称性恢复的方法，例如，通过 Grover 算法净化状态、结合使用 Hadamard 测试和 oracle 概念、通过量子相位估计和一组迭代独立的 Hadamard 测试进行对称性过滤。
使用真实世界医疗保健数据库识别糖尿病药物：丹麦和澳大利亚对称性分析
S03CA | 皮质类固醇和抗感染药物的复方药 S02CA | 皮质类固醇和抗感染药物的复方药 S | 感觉器官 R06AD | 吩噻嗪衍生物 R05FA | 鸦片衍生物和祛痰药 R03DC | 白三烯受体拮抗剂 R03DA | 黄嘌呤 R03CC | 选择性β-2-肾上腺素受体激动剂 R03BB | 抗胆碱能药物 R03BA | 糖皮质激素 R03AL | 肾上腺素能药物与抗胆碱能药物的复方药 R03AK | 吸入性β-肾上腺素能药物和皮质类固醇 R03AC | 选择性β-2-肾上腺素能受体激动剂 R02AX | 其他咽喉制剂 R01AD | 皮质类固醇 R | 呼吸系统 P02CA | 苯并咪唑衍生物 P | 抗寄生虫产品 N07BB |用于治疗酒精依赖的药物 N07BA | 用于治疗尼古丁依赖的药物 N07AA | 抗胆碱酯酶药物 N02CX | 其他抗偏头痛药物 N | 神经系统 M03BB | 恶唑、噻嗪和三嗪衍生物 M03BA | 氨基甲酸酯 M01AX | 其他非甾体抗炎和抗风湿药 M01AE | 丙酸衍生物 M01AB | 乙酸衍生物和相关物质 M | 肌肉骨骼系统 L01AA | 氮芥类似物 L | 抗肿瘤和免疫调节剂 J02AC | 三唑衍生物 J01FA | 大环内酯类 J01CR | 青霉素组合，包括β内酰胺酶抑制剂 J01CE | 对β内酰胺酶敏感的青霉素 J01AA | 四环素类 J |全身用抗感染药 H02AB | 糖皮质激素 H | 全身激素 G03FB | 孕激素和雌激素，序贯制剂 G03FA | 孕激素和雌激素，固定组合 G03DC | 雌二醇衍生物 G03DA | 孕烯（4）衍生物 G03CX | 其他雌激素 G03CB | 合成雌激素，普通 G03AC | 孕激素 G03AA | 孕激素和雌激素，固定组合 G01AF | 咪唑衍生物 G | 生殖泌尿系统和性激素 D10BA | 用于治疗痤疮的类视黄酸 D07CC | 皮质类固醇，强效，与抗生素复方 D07CB | 皮质类固醇，中效，与抗生素复方 D07CA | 皮质类固醇，弱效，与抗生素复方 D07BC |强效皮质类固醇，与防腐剂复方 D07BB | 中效皮质类固醇，与防腐剂复方 D07AD | 强效皮质类固醇（IV 类） D01AC | 咪唑和三唑衍生物 D01AA | 抗生素 D | 皮肤病学药物 C08DB | 苯并噻嗪类衍生物 C07CB | 选择性β受体阻滞剂和其他利尿剂 C07BB | 选择性β受体阻滞剂和噻嗪类 C07AB | β受体阻滞剂 C07AA | β受体阻滞剂，非选择性 C05AA | 皮质类固醇 C03EA | 低限利尿剂和保钾剂 C03DA | 醛固酮拮抗剂 C03CB | 磺胺类和钾复方药 C03CA | 袢利尿剂 C03AB | 噻嗪类和钾 C01AA | 洋地黄苷 C | 心血管系统 B02BA | 维生素 K B01AF | 直接 Xa 因子抑制剂 B01AA | 维生素 K 拮抗剂 B | 血液和造血器官 A12BA | 钾 A07AC | 咪唑衍生物 A02BC | 质子泵抑制剂 A02BA | H2 受体拮抗剂 A01AD | 其他局部口服治疗药物 A01AB | 用于局部口服治疗的抗感染药和防腐药 A | 消化系统
在没有全局对称性的非热式系统中稳健的零模式
锂离子电池（LIB）的数学建模是高级电池管理中的主要挑战。本文提出了两个新框架，以将基于物理的模型与机器学习相结合，以实现LIBS的高精度建模。这些框架的特征是通过告知机器学习模型的物理模型信息，从而可以在物理学和机器学习之间进行深入整合。基于框架，通过将电化学模型和等效电路模型与前馈神经网络相结合，构建了一系列混合模型。混合模型在结构上相对简单，可以在广泛的C速率下提供相当大的电压预测精度，如广泛的模拟和实验所示。这项研究进一步扩展到进行老化感知的混合建模，从而设计了意识到健康的混合模型以进行预测。实验表明，该模型在整个LIB的周期寿命中具有高电压预测精度。
论量子轨迹中对称性破缺和耗散冻结的普遍性
最近，几项涉及具有强对称性的开放量子系统的研究发现，主方程的蒙特卡罗解法中的每一条轨迹都会动态地选择一个特定的对称扇区，在长期极限内“冻结”在其中。这种现象被称为“耗散冻结”，在本文中，我们通过介绍该问题的几个简单的数学观点，认为这是开放系统中存在强对称性的普遍结果，只有少数例外。我们使用许多示例系统来说明这些论点，揭示了非对角对称扇区中刘维尔谱特性与冻结发生所需时间之间的明确关系。在这些扇区中出现纯虚特征值的特征模式的极限情况下，冻结不会发生。此类模式表明系统对称扇区之间信息和相干性的保存，并可能导致非平稳性和同步等现象。单个量子轨迹水平上没有冻结现象，这为识别这些无迹模式提供了一种简单、计算有效的方法。
通过耗散规范对称性实现量子非互易相互作用
两个量子系统之间的单向非互易相互作用通常用级联量子主方程来描述，并依赖于时间反转对称性 (TRS) 的有效破坏以及相干和耗散相互作用的平衡。在这里，我们提出了一种获得非互易量子相互作用的新方法，它与级联量子系统完全不同，并且通常不需要破坏 TRS。我们的方法依赖于任何马尔可夫林德布拉德主方程中存在的局部规范对称性。这种新型量子非互易性有许多含义，包括一种在目标量子系统上执行耗散稳态酉门操作的新机制。我们还引入了一种新的、非常通用的基于量子信息的度量来量化量子非互易性。
测试哈密顿对称性的量子算法
引言 — 对称性是自然界的一个重要方面，在物理学中起着基础性的作用 [1,2]。诺特定理指出，汉密尔顿量的对称性与相关物理系统中的守恒量相对应 [3]。汉密尔顿量的对称性表明存在超选择规则 [4,5]。在量子计算和信息领域，对称性可以指示资源的存在或缺乏 [6]，并且它有助于提高变分量子算法的性能 [7-10]。通过消除与守恒量相关的自由度，对称性的识别可以简化计算——这是诺特定理的核心。这使得对称性在物理学中非常有用。量子计算是一个相当年轻的研究领域。量子计算机最初作为图灵机的量子力学模型 [ 11 ] 被提出，其魅力在于有可能超越经典计算机。量子计算机最明显的优势在于其计算背后固有的物理原理，包括叠加和纠缠等非经典特性。随着希尔伯特空间规模的扩大，量子系统的经典模拟很快变得难以处理，需要指数级增长的比特来探索多个量子比特自然占据的状态空间。直观地说，这些计算机的量子力学性质允许以直截了当的方式模拟量子系统（参见 [ 12 ] 及其参考文献）。一个相关的例子是哈密顿模拟 [ 13 ]，它引起了该领域的浓厚兴趣 [ 14 – 17 ]。已经做了大量工作来理解如何在量子硬件上模拟这些动态，以便有效地实现它们；然而，据我们所知，目前还没有可以在量子计算机上测试汉密尔顿对称性的算法，尽管以这种方式模拟汉密尔顿量和识别汉密尔顿量的对称性都被认为是至关重要的。在本文中，我们给出了量子算法来测试汉密尔顿量演化是否关于离散有限群的作用对称。该性质通常被称为演化的协方差 [18]。如果演化是对称的，那么汉密尔顿量本身也是对称的，因此我们的算法可以测试汉密尔顿对称性。此外，我们表明，对于具有可有效实现的幺正演化的汉密尔顿量，我们可以在量子计算机上有效地执行我们的第一个测试 [17]。这里的“有效”是指在 100 秒内完成计算所需的时间。
整体对称性、欧几里得引力和黑洞信息问题
摘要：本文论证了量子引力中不存在全局对称性与黑洞信息问题的幺正解之间存在密切联系。特别是，我们展示了如何利用最近对蒸发黑洞 Page 曲线计算的基本要素，将最近反对 AdS/CFT 对应之外的全局对称性的论点推广到更现实的量子引力理论。我们还给出了几个低维量子引力理论的例子，这些理论在通常意义上没有黑洞信息问题的幺正解，因此可以而且确实具有全局对称性。受此讨论的启发，我们推测在某种意义上，欧几里得量子引力等同于全息术。
量子景观中的非平凡对称性及其对量子噪声的弹性
对参数化量子电路（PQC）的成本景观知之甚少。然而，PQC在量子神经网络和变异量算法中都采用，这可能允许接近量子的优势。此类应用需要良好的优化器来培训PQC。重点的工作重点是专门针对PQC量身定制的量子意见的操作器。但是，对成本景观的无知可能会阻碍这种优化者的进步。在这项工作中，我们在分析中证明了PQC的两个结果：（1）我们在PQC中找到了指数较大的对称性，在成本景观中产生了最小值的指数较大的变性。另外，可以将其作为相关超级参数空间体积的指数减少。（2）我们研究了噪声下对称性的弹性，并表明虽然在噪声下是保守的，但非积极通道可以打破这些对称性并提高最小值的脱位，从而导致多个新的局部最小值。基于这些结果，我们引入了一种称为基于对称的最小值（SYMH）的优化方法，该方法利用了PQC中的基础对称性。我们的数值模拟表明，SYMH在存在与当前硬件相当的级别的情况下提高了整体优化器性能。总的来说，这项工作从局部门传输中得出了大规模电路对称性，并使用它们来构建噪声知识优化方法。
传感器至机身的对称性校准程序...
固定翼 UAV 设计通常相对于纵向平面对称，即机身左侧与右侧对称。目的是使广义气动力对称，以便在任一方向转弯时具有等效机动能力。为了确定给定机身设计的力，工程师通常会收集风洞测试或飞行实验中捕捉力的数据。无论哪种情况，我们都会期望力的大小相等，以对称使用执行器并镜像对称平面上的相对速度。然而，当力和力矩测量设备的坐标轴与机身固定坐标系的坐标轴不对齐时，收集到的数据并非如此（通常情况如此）。这种不对称随后会传递到已识别的模型，并可能对基于模型的控制造成问题，而这正是我们所针对的用例。通过仔细的安装程序可以将错位保持在较小水平，这样就可以通过适当的后处理校准剩余的不对称性。然而，似乎没有一种系统性的校准方法来做到这一点