XiaoMi-AI文件搜索系统
World File Search System广义
用于表面码解码的广义信念传播算法
信念传播 (BP) 是一种众所周知的低复杂度解码算法，对重要的量子纠错码类别具有很强的性能，例如随机扩展码的量子低密度奇偶校验 (LDPC) 码类。然而，众所周知，在面对拓扑码（如表面码）时，BP 的性能会下降，其中朴素 BP 完全无法达到低于阈值的状态，即纠错变得有用的状态。之前的研究表明，这可以通过借助 BP 框架之外的后处理解码器来补救。在这项工作中，我们提出了一种具有外部重新初始化循环的广义信念传播方法，该方法可以成功解码表面码，即与朴素 BP 相反，它可以恢复从针对表面码定制的解码器和统计力学映射所知的亚阈值状态。我们报告了独立位和相位翻转数据噪声下的 17% 阈值（与理想阈值 20.6% 相比），以及去极化数据噪声下的 14% 阈值（与理想阈值 18.9% 相比），这些阈值与非 BP 后处理方法实现的阈值相当。
利用广义锁相分析揭示神经回路的组织
1 德国图宾根马克斯普朗克生物控制论研究所认知过程生理学系，2 德国图宾根大学认知和系统神经科学 IMPRS，3 法国图宾根大学、法国原子能委员会、法国国家科学研究院、巴黎萨克雷大学、NeuroSpin 中心认知神经影像学部，91191 Gif/Yvette，4 中国科学院脑科学与智能技术卓越中心 (CEBSIT) 国际灵长类脑研究中心 (ICPBR)，上海 201602，5 奥地利科学技术研究所 (IST Austria)，奥地利克洛斯特新堡，6 英国曼彻斯特大学生物医学成像研究所成像科学中心，7 德国图宾根马克斯普朗克智能系统研究所和 MPI-ETH 学习系统中心经验推理系
刺激后大脑反应的刺激知情广义典型相关分析
摘要 — 在脑机接口或神经科学应用中，广义典型相关分析 (GCCA) 通常用于提取关注同一刺激的不同受试者神经活动中的相关信号成分。 这可以量化所谓的受试者间相关性，或提高刺激后大脑反应相对于其他（非）神经活动的信噪比。 然而，GCCA 不了解刺激：它不考虑刺激信息，因此不能很好地处理较少量的数据或较小的受试者群体。 我们提出了一种基于 MAXVAR-GCCA 框架的新型刺激知情 GCCA 算法。 我们展示了所提出的刺激知情 GCCA 方法的优越性，该方法基于一组受试者聆听相同语音刺激的脑电图反应之间的受试者间相关性，尤其是对于较少量的数据或较小的受试者群体。
找出所有局部不可区分的广义贝尔态集
一般而言，对于二体量子系统 C d ⊗ C d 和一个整数 k ，使得 4 ≤ k ≤ d ，k 个广义贝尔态（GBS）集的局部鉴别只有很少的必要充分条件，并且很难局部区分 k - GBS 集。本文的目的在于彻底解决某些二体量子系统中 GBS 集的局部鉴别问题。首先给出了三个实用有效的充分条件，Fan 等人的结果 [Phys Rev Lett 92, 177905 (2004); Phys Rev A 99, 022307 (2019)] 可以推导出这些条件的特例。其次在C 4 ⊗ C 4 中给出了GBS集局部判别的充分必要条件,并给出了所有局部不可区分的4-GBS集的列表,从而彻底解决了GBS集的局部判别问题.在C 5 ⊗ C 5 中得到了GBS集单向局部判别的简明充分必要条件,对Wang等人提出的问题中d = 5的情况给出了肯定的回答.
基于广义 CHSH 不等式的设备独立量子密钥分发
量子密钥分发 (QKD) 的目的是使两方（Alice 和 Bob）能够在共享量子信道时生成密钥。例如，在 Ekert [ 1 ] 提出的实现中，信道由一个产生纠缠粒子的源组成，这些粒子被分发给 Alice 和 Bob。在每一轮中，Alice 和 Bob 各自从几种测量设置中选择一个来测量一个粒子。通过推断（从 Alice 和 Bob 的测量结果中）源发射接近于纯二分纠缠态的状态，可以保证 Alice 的测量结果是安全的，即任何可能控制量子信道的第三方（Eve）都不知道。这同时确保了如果 Bob 选择适当的测量设置，Bob 的结果与 Alice 的结果相关，即 Alice 和 Bob 的测量结果可以形成密钥。
多方 QKD 的广义顺序状态鉴别及其光学实现
顺序状态鉴别是一种针对 N 个分离接收方的策略。由于顺序状态鉴别可以应用于多方量子密钥分发 (QKD)，它已成为量子信息理论中的相关研究领域之一。到目前为止，顺序状态鉴别的分析仅限于特殊情况。在本报告中，我们考虑了顺序状态鉴别的广义化。在这里，我们不限制先验概率以及量子态和接收方的数量。我们表明广义顺序状态鉴别可以表示为优化问题。此外，我们研究了两个量子态的广义顺序状态鉴别的结构并将其应用于多方 QKD。我们证明，当接收方数量不太多时，两个纯态的广义顺序状态鉴别可以适用于多方 QKD。此外，我们表明两个混合状态的广义顺序状态鉴别可以以较高的最佳成功概率进行。这个最佳成功概率甚至高于量子复制和量子广播策略。因此，混合状态的广义顺序状态鉴别足以执行多方 QKD。此外，我们证明了广义顺序状态鉴别可以通过使用线性光学实验实现。最后，我们分析了最佳顺序状态鉴别提供的多方 QKD 安全性。我们的分析表明，即使在低信道效率下，多方 QKD 也能保证非零密钥速率。
广义边界移位积分纵向评估脊髓萎缩
a 医学图像计算中心 (CMIC)，伦敦大学学院医学物理与生物工程系，90 High Holborn，伦敦，WC1V 6LJ，英国 b 核磁共振研究单位，女王广场 MS 中心，神经炎症系，伦敦大学学院女王广场神经病学研究所，脑科学学院，伦敦，罗素广场，伦敦，WC1B 5EH，英国 c 加泰罗尼亚开放大学电子健康中心，西班牙巴塞罗那 d 多发性硬化症临床护理和研究中心，费德里科二世大学神经科学系，意大利那不勒斯 e 史密斯学院，美国马萨诸塞州北安普敦 f 医学图像计算中心 (CMIC)，伦敦大学学院计算机科学系，90 High Holborn，伦敦，WC1V 6LJ，英国 g 生物医学工程与成像科学系，伦敦国王学院，英国 h 放射学与核医学系，自由大学医学中心，荷兰阿姆斯特丹 i 脑 MRI 3T , UKCenter、IRCCS Mondino 基金会，意大利帕维亚 j 意大利帕维亚大学脑与行为科学系
治疗初级保健中广义焦虑症的临床实践指南
家庭医生以及在美联社工作的其他专业人员以及在医疗保健网络中的位置，可以尽早发现与标签进行咨询的患者的首次症状。 div>焦虑和过度关心是咨询的很常见原因，大多数情况下非常非特异性，可以被躯体症状掩盖。 div>因此，患者对患者的管理很复杂，尤其是如果我们考虑诊断的难度，需要及时进行特定的，有时是延长的治疗，以及在某些情况下需要在心理健康方面推出专门护理的需求。 div>为此，标签的管理有一些可变性。 div>
从普朗克尺度离散量子引力理论恢复广义相对论
1 本文的论证也不需要因果集程序中的动态假设。因为我们的主题是恢复整个 4 维时空，所以我们可以将每个因果集视为一个整体，而不管它可能如何动态形成。但我们注意到，事实上因果集程序：(i) 对因果集具有经典动力学，具有许多优点 (Rideout and Sorkin 2000) ；以及 (ii) 至于量子动力学，支持路径积分方法，尽管尚未找到完全令人满意的动力学。本文的较长版本 (Butterfield and Dowker 2021) 讨论了 (i) 和 (ii) 的某些方面。
数据分布蒸馏的生成模型，用于广义零拍识别
在零射门学习（ZSL）领域，我们在广义零局学习（GZSL）模型中介绍了偏爱数据的模型。为了解决这个问题，我们引入了一个名为D 3 GZSL的端到端生成GZSL框架。对于更平衡的模型，该框架尊重所见和合成的未见数据分别为分布和分布数据。d 3 GZSL包括两个核心模块：分配双空间蒸馏（ID 2 SD）和分布外批处理蒸馏（O 2 DBD）。ID 2 SD在嵌入和标签空间中的教师学生成果对齐，从而增强了学习连贯性。o 2 dbd在每个批次样本中引入了低维度的低分布表示形式，从而捕获了可见类别和未看到类别之间的共享结构。我们的方法证明了其在既定的GZSL基准测试中的有效性，无缝地集成到主流生成框架中。广泛的例子始终展示D 3 GZSL提高了现有生成GZSL方法的性能，从而低估了其重新零摄入学习实践的潜力。该代码可在以下方面获得：https：//github.com/pjbq/pjbq/d3gzsl.git.git