XiaoMi-AI文件搜索系统
World File Search System度量
b"摘要：Dicke 态是具有汉明权重 k 的 n 个量子比特的叠加，表示为 | D nk \xe2\x9f\xa9 。Dicke 态经常用于为量子搜索算法（例如，Grover 搜索和量子行走）准备输入叠加，这些算法解决具有一定数量 nk 个候选解的组合问题。B\xc2\xa8artschi 和 Eidenbenz 提出了一种具体的量子电路，用于使用多项式量子门构造 Dicke 态 | D nk \xe2\x9f\xa9，并且他们根据汉明权重 k 对该电路进行了推广，以准备 Dicke 态的叠加。随后，Esser 等人提出了另一种量子电路，用于使用多项式门和一些辅助量子比特生成 Dicke 态 | D nk \xe2\x9f\xa9。在本文中，我们推广了 Esser 的状态准备电路以构造一个Dicke 态的叠加。我们对两个广义 Dicke 态准备电路进行了具体的比较。我们使用来自 IBM 量子体验服务 (IBMQ) 的真实量子机器进行噪声模拟和实验。这两个电路都使用噪声中尺度量子 (NISQ) 设备成功构建了广义 Dicke 态叠加，尽管受到噪声的影响。”
b"摘要：Dicke 态是具有汉明权重 k 的 n 个量子比特的叠加，表示为 | D nk \xe2\x9f\xa9 。Dicke 态经常用于为量子搜索算法（例如，Grover 搜索和量子行走）准备输入叠加，这些算法解决具有一定数量 nk 个候选解的组合问题。B\xc2\xa8artschi 和 Eidenbenz 提出了一种具体的量子电路，用于使用多项式量子门构造 Dicke 态 | D nk \xe2\x9f\xa9，并且他们根据汉明权重 k 对该电路进行了推广，以准备 Dicke 态的叠加。随后，Esser 等人提出了另一种量子电路，用于使用多项式门和一些辅助量子比特生成 Dicke 态 | D nk \xe2\x9f\xa9。在本文中，我们推广了 Esser 的状态准备电路以构造一个Dicke 态的叠加。我们对两个广义 Dicke 态准备电路进行了具体的比较。我们使用来自 IBM 量子体验服务 (IBMQ) 的真实量子机器进行噪声模拟和实验。这两个电路都使用噪声中尺度量子 (NISQ) 设备成功构建了广义 Dicke 态叠加，尽管受到噪声的影响。”
DT-ML：药物目标度量学习
摘要：现代药物发现的挑战激发了基于机器学习的方法的使用，例如预测药品目标相互作用或已批准的药物的新颖指示，以加快早期发现或重新定位过程。出版偏见导致大规模重新定位数据集中已知的负数据点短缺。但是，训练一个良好的预测因子需要正面和负样本。最近在机器学习的子场中也解决了负面抽样的问题，即最重要的是表示和度量学习。尽管这些新型的负面抽样方法被证明是从不平衡数据集中学习的有效解决方案，但它们尚未用于重新定位，以至于学到的相似性提供了预测的相互作用。在本文中，我们在成对的药物靶向/药物疾病的预测中适应了学习启发的方法，并提出了对其中一个损失函数之一的修改，以更好地管理负样本的不确定性。我们使用基准药物发现和重新定位数据集评估了这些方法。结果表明，与公制学习的相互作用预测在高度不平衡的情况下（例如药物重新定位）优于以前的方法。
参考状态误差缓解：化学高精度量子计算的策略
摘要：变形和门错误严重限制了最先进的量子计算机的功能。这项工作介绍了一种量子化学的参考状态误差（REM）的策略，可以直接在当前和近期设备上实施。REM可以与现有的缓解程序一起应用，同时需要最少的后处理，并且只有一个或没有其他测量值。该方法对基础量子机械ansatz不可知，并且是为变异量子本质量器而设计的。在超导量子硬件上证明了小分子基态能量（H 2，HEH +和LIH）的计算准确性（H 2，HEH +和LIH）的两种量顺序。模拟来证明该方法的可扩展性。■简介
对抗系统的一种新熵量子相关度量
© 2023 作者。本文根据 Creative Commons Attribution 4.0 International 许可证授权，允许以任何媒介或格式使用、共享、改编、分发和复制，只要您给予原作者和来源适当的信用，提供 Creative Commons 许可证的链接，并指明是否进行了更改。本文中的图像或其他第三方材料包含在文章的 Creative Commons 许可证中，除非在材料的致谢中另有说明。如果材料未包含在文章的 Creative Commons 许可证中，并且您的预期用途不被法定法规允许或超出允许用途，则您需要直接从版权所有者处获得许可。要查看此许可证的副本，请访问 http://creativecommons.org/licenses/by/4.0/。
噪声中尺度量子电磁瞬变程序
本报告是由美国政府某个机构资助的工作报告。美国政府或其任何机构、其雇员、承包商、分包商或其雇员均不对所披露信息、设备、产品或流程的准确性、完整性或任何第三方的使用或此类使用结果做任何明示或暗示的保证，或承担任何法律责任或义务，或表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务，并不一定构成或暗示美国政府或其任何机构、其承包商或分包商对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。
论交错低深度量子电路和经典电路的功率
通过我们的会面和他的课程，Shalev 教授向我介绍了量子和经典复杂性的各种主题，并提出了一些很棒的问题。对于我们的第一个项目，我研究了函数的近似度——这在概念上和数学上对我来说都是全新的。他对我非常耐心，指导我完成这个项目——教我技术和研究技能。特别是，他教会了我在开始回答有意义的研究问题之前，批判性地、严格地定义它们的价值。我的第二个项目（构成了这篇论文的基础）始于他关于量子查询和通信复杂性的课程中的一个项目。尽管我现在正在着手一个完全不同的主题，但 Ben-David 教授热情地鼓励我追逐我的求知欲。
影响耦合轴突束的度量扰动的计算机研究
现在可以通过地球上的仪器探测到引力辐射。与受到人类头骨屏障的电磁辐射相比，引力辐射不受此限制。在 [3] 中，我们通过 MATLAB 模拟展示了引力辐射对人类中枢神经系统中轴突束的影响，这些轴突束之间存在触觉耦合。我们在那里报告说，对于低于 h = 0.09 的应变，对耦合轴突响应的差异时间没有明显影响。考虑到地球接收到的引力波的应变幅度约为 h = 1 e − 21 或更低 [5]，我们得出结论，引力波对大脑的信息处理没有影响。然而在本文中，我们得出结论，即使是微弱的引力波也会对轴突束的信息传输产生明确的影响。
群作用和单调量子度量张量
作用 β 在 S 上是传递的，并将其变成齐次流形[2-5]。因此，U(H) 正则作用的基本向量场形成 GL(H) 作用的基本向量场代数的李子代数。[6] 证明了，为了描述 β 的基本向量场，只需考虑 U(H) 在 S(H) 上的正则作用的基本向量场以及与期望值函数 la(ρ)=Tr(aρ) 相关的梯度向量场，其中 a 是 H 上有界线性算子空间 B(H) 中的任意自伴元素，借助于所谓的 Bures-Helstrom 度量张量 [7-12]。这个例子提供了酉群 U(H)、S(H) 的 GL(H) - 齐次流形结构、Bures–Helstrom 度量张量和期望值函数之间的意外联系。然而，这并不是单调度量张量与一般线性群 GL(H) “相互作用”的唯一例子。事实上，在 [6] 中，还证明了 U(H) 正则作用的基本向量场以及与期望值函数相关的梯度向量场通过 Wigner–Yanase 度量
通过更具代表性的量子电路形状来改进量子计算机的体积度量。
在本文中，我们提出了一种目前使用最广泛的量子计算硬件度量标准（称为量子体积 [1,2]）的概括。量子体积指定了一组随机测试电路，这些电路的逻辑电路深度等于计算中使用的量子比特总数。然而，这种方形电路形状与人们可能希望使用量子计算机的许多特定应用并不直接相关。在对已知量子算法的可用资源估计调查的基础上，我们根据逻辑电路深度（时间）随问题大小（量子比特数）的缩放行为，将量子体积概括为少数几种代表性电路形状，我们称之为量子体积类。作为一项技术，量子计算尚处于起步阶段，但发展迅速。在短期内，噪声和中等规模量子 (NISQ) 系统可能对特定的小众应用有用 [3]。从长远来看，随着容错 (FT) 系统的发展，这项技术有望带来极大的颠覆性和变革性。评估这项技术的明确指标是