|⟨ j | e − iH ′ t | k⟩| 2 = |⟨j| U † e − iHt U | k⟩| 2 = | ei(φj−φk)⟨j| e − iHt | k⟩| 2 = ⟨ j | e − iHt | k⟩| 2。 (3)
本教程的目的是对线性量子控制系统进行简要介绍。首先介绍线性量子控制系统的数学模型,然后介绍一些基本的控制理论概念,例如稳定性、可控性和可观测性,这些概念与量子信息科学中的几个重要概念密切相关,例如无退相干子系统、量子非破坏变量和反作用规避测量。之后,介绍量子高斯态,特别是介绍信息论不确定性关系,它通常比众所周知的海森堡不确定性关系为混合高斯态提供更好的界限。介绍了量子线性系统的量子卡尔曼滤波器,它是经典(即非量子力学)线性系统的卡尔曼滤波器的量子类比。记录了量子线性系统的量子卡尔曼正则分解,并通过最近的实验说明了它的应用。由于单光子和多光子状态是量子信息技术中的有用资源,因此介绍了量子线性系统对这些类型输入的响应。最后,简单介绍了量子线性系统的相干反馈控制,并用近期实验证明了量子线性系统与网络理论的有效性。
在错误校正后的逻辑Qubits上执行量子算法是可扩展量子计算的关键步骤,但是对于当前的实验硬件,Qubits和物理错误率的必要数量和物理错误率要求。最近,针对特定物理噪声模型量身定制的错误纠正代码的开发有助于放松这些要求。在这项工作中,我们为171 yb中性原子量子A的量子编码和栅极协议提出了将主要物理误差转换为擦除,即已知位置的错误。关键思想是在亚稳态的电子水平上编码Qubits,以便门错误主要导致向不相交子空间的过渡,这些子空间可以通过荧光连续监测其种群。我们认为,98%的错误可以转换为擦除。我们通过表面代码的电路级模拟量化了这种方法的好处,从而发现阈值从0.937%增加到4.15%。我们还观察到阈值附近的较大代码距离,从而使相同数量的物理量子位的逻辑错误率更快降低,这对于近期实现非常重要。擦除转换应有益于任何错误纠正代码,并且还可以应用于在其他Qubit平台中设计新的门和编码。
尽管具有量子霸权的潜力,但最先进的量子神经网络 (QNN) 仍然受到推理精度低的困扰。首先,当前的噪声中型量子 (NISQ) 设备的错误率高达 10 −3 到 10 −2,大大降低了 QNN 的精度。其次,虽然最近提出的重新上传单元 (RUU) 在 QNN 电路中引入了一些非线性,但其背后的理论尚不完全清楚。此外,以前反复上传原始数据的 RUU 只能提供边际精度改进。第三,当前的 QNN 电路假设使用固定的两量子比特门来强制实现最大纠缠能力,使得无法针对特定任务进行纠缠调整,导致整体性能不佳。在本文中,我们提出了一种量子多层感知器 (QMLP) 架构,该架构具有容错输入嵌入、丰富的非线性和增强的变分电路设计,具有参数化的两量子比特纠缠门。与现有技术相比,QMLP 在 10 类 MNIST 数据集上的推理准确率提高了 10%,量子门数量减少了 2 倍,参数减少了 3 倍。我们的源代码可用,可在 https://github.com/chuchengc/QMLP/ 中找到。
本教程的目的是对线性量子控制系统进行简要介绍。首先介绍线性量子控制系统的数学模型,然后给出一些基本的控制理论概念,例如稳定性、可控性和可观测性,这些概念与量子信息科学中的几个重要概念密切相关,例如无退相干子系统、量子非破坏变量和反作用规避测量。之后,介绍量子高斯态,特别是,介绍了一种信息论不确定性关系,它通常比众所周知的海森堡不确定性关系为混合高斯态提供更好的界限。介绍了量子线性系统的量子卡尔曼滤波器,它是经典(即非量子力学)线性系统的卡尔曼滤波器的量子类比。记录了量子线性系统的量子卡尔曼正则分解,并通过最近的实验说明了其应用。由于单光子态和多光子态是量子信息技术中的有用资源,因此本文介绍了量子线性系统对这些类型输入的响应。最后,简要介绍了量子线性系统的相干反馈控制,并使用最近的实验证明了量子线性系统和网络理论的有效性。
我们提出了一个现实的设置,灵感来自现有的实验,在此设置中我们开发了一种实现分布式量子门的通用形式。通过在远距离节点之间建立双向量子通道的量子链路,我们的提案既适用于节点间通信,也适用于节点内通信,并可处理从量子链路的少数模式到多数模式极限的各种场景。我们能够在每种操作范围内设计快速可靠的状态传输协议,再加上对散射过程的详细描述,我们能够设计两组确定性的通用分布式量子门:这些门在量子网络中的实现不需要纠缠分布或测量。通过采用对物理设置的真实描述,我们可以确定量子链路中最相关的缺陷以及最佳操作点,从而导致不完整性为 1 − F ≈ 10 − 2 –10 − 3 。
目前,深基坑开挖引起的结构损伤的早期评估方法由于建模理想化(分析简化)和无知(信息不完整)而具有很大的不确定性。本文实施了土-结构相互作用的弹塑性两阶段解决方案,以预测建筑物对相邻的带支撑深基坑的响应。然后使用该土-结构相互作用解决方案研究两个案例研究中的不确定性。进行了全局敏感性分析,结果表明,地面运动剖面的预测是早期建筑物损伤评估中不确定性的主要来源。当目标建筑物被建模为等效梁时,由于无知和与结构分析模型相关的理想化而导致的不确定性也有很大贡献。然而,使用二维弹性框架结构模型代替等效梁可以大大降低评估的不确定性。考虑到不确定性的存在,提出了一种概率分析方法来量化预测由于开挖引起的下沉造成的潜在建筑物损坏时的不确定性。开发了一种称为“开挖-结构相互作用中的不确定性量化”(UQESI)的计算机程序来实现这种概率分析方法。
abtract。量子电路复杂性 - 实施给定统一转换所需的最小门的量度 - 是量子计算中的基本概念,其广泛应用程序从确定量子算法的运行时间到了解黑洞的物理学。在这项工作中,我们使用灵敏度,平均灵敏度(也称为界限),魔术和连贯性研究量子回路的复杂性。我们以消失的灵敏度来表征一组单位,并表明它与对照门家族一致。由于匹配机是可拖动的量子电路,因此我们证明了量子加速的灵敏度是必需的。作为魔术是量化量子优势的另一种措施,了解魔术与灵敏度之间的关系很有趣。我们通过引入傅立叶熵 - 影响关系的量子版本来做到这一点。我们的结果对于理解灵敏度,魔术和连贯性在量子计算中的作用至关重要。
摘要:涉及高斯过程 (GP) 的多保真度 (MF) 替代物用于设计激光定向能量沉积 (L-DED) 增材制造 (AM) 中的时间过程图。过程图用于建立熔池特性(例如熔池深度)与工艺参数(例如激光功率和扫描速度)之间的关系。MFGP 替代物涉及高保真度 (HF) 和低保真度 (LF) 模型。选择 Autodesk Netfabb ® 有限元模型 (FEM) 作为 HF 模型,而选择 Eagar-Tsai 开发的分析模型作为 LF 模型。结果表明,MFGP 替代物能够成功地融合不同保真度模型中存在的信息,以设计时间前向过程图(例如,给定一组真实深度未知的工艺参数,熔池深度是多少?)。为了扩展新开发的建立时间逆过程图的公式(例如,为了实现所需的熔池深度,但不知道真实工艺参数,那么作为时间函数的工艺参数的最佳预测是什么?),在计算预算约束下,通过将 MFGP 代理与贝叶斯优化 (BO) 相结合来进行案例研究。结果表明,与单精度 (SF) GP-BO 相比,MFGP-BO 可以显著提高优化解决方案的质量,同时降低计算预算。与仅限于开发稳态正向过程图的现有方法相比,当前的工作成功地展示了在 L-DED 中实现结合不确定性量化 (UQ) 的时间正向和逆过程图。
我们开发了干涉光谱装置中纠缠光子对引起的时间分辨光子计数信号的封闭表达式。推导出刘维尔空间中的超算子表达式,可以解释耦合到浴槽引起的弛豫和失相。干涉装置将物质和光变量非平凡地混合,这使它们的解释变得复杂。我们为该装置提供了一个直观的模块化框架,以简化其描述。基于检测阶段和光物质相互作用过程的分离,我们表明对纠缠时间和干涉时间变量控制着观察到的物理时间尺度。在纠缠时间较小的极限情况下,只有少数过程对样品响应有贡献,并且可以挑出特定的贡献。