XiaoMi-AI文件搜索系统
World File Search System性量
单光纤通道 10 公里范围内的实时确定性量子隐形传态
摘要：利用在1550 nm处产生的EPR纠缠，在单个光纤信道上实验实现了实时确定性量子隐形传态。利用1342 nm激光束实时传输经典信息，同时作为同步光束，实现量子信息与经典信息的同步。通过优化在Alice站点建立的用于操纵EPR纠缠光束的有耗通道的传输效率，实验研究了保真度对光纤信道传输距离的依赖关系。确定性量子隐形传态的最大传输距离为10 km，保真度为0.51±0.01，高于经典隐形传态极限1/2。该工作为基于确定性量子隐形传态在光纤信道上建立城域量子网络提供了一种可行方案。
增材制造工艺改进的不确定性量化：最新进展
本文回顾了将不确定性量化 (UQ) 方法应用于增材制造 (AM) 的最新进展。基于物理和数据驱动的模型正在不断开发和完善，以支持 AM 中的流程优化和控制目标，特别是最大限度地提高质量并最大限度地减少 AM 产品的可变性。然而，在使用这些模型进行决策之前，需要回答的一个基本问题是这些模型的可信度，并考虑影响其预测的各种不确定性来源。由于 AM 过程中存在复杂的多物理、多尺度现象，AM 中的不确定性量化 (UQ) 并非易事。本文回顾了关于 UQ 方法的文献，重点关注模型不确定性，讨论了相应的校准、验证和确认活动，并研究了 AM 文献中报告的应用。将当前的 UQ 方法扩展到增材制造需要解决多物理、多尺度相互作用、数据驱动模型的不断增加、制造成本高以及测量复杂性的问题。讨论了实施 AM 验证、校准和确认所需开展的活动。还回顾了关于使用 UQ 活动结果进行 AM 流程优化和控制（从而支持质量最大化和变异性最小化）的文献。概述了 UQ 和 AM 决策方面未来的研究需求。
经典和...的一次性量子纠错
量子纠错 (QEC) 是一种保护信息免受量子噪声影响的方法，是量子信息处理的核心概念之一 [1-3]。由于量子系统与环境的相互作用无法控制，不可避免地会产生噪声，因此 QEC 在量子通信、密码学和计算方面有着广泛的应用。近年来，QEC 也为基础物理学提供了新的见解，为更好地理解量子多体现象如拓扑序 [4-6]、黑洞信息悖论 [7-9] 以及量子混沌与量子引力之间可能存在的对偶性 [10-16] 提供了视角。关于 QEC 的核心问题之一是，原则上可以保护多少信息免受给定噪声的影响。由于任何量子噪声都是由量子信道形成的，量子通道容量定理可以回答这个问题。根据需要保护的信息类型（量子或经典）和可用资源（如纠缠），已经进行了大量研究 [17-24]。对于有噪声量子信道无限次使用的渐近场景，这些结果在文献 [ 25 ] 中合并为一个统一公式。然而，渐近结果仅适用于编码和解码能够以连贯方式应用于大量量子比特的情况，这导致实验演示和实际应用于基础物理的困难。相比之下，最近的研究在不考虑渐近极限的情况下进行了分析，
极限学习机器中的不确定性量化-Serval
不确定性量化对于评估机器学习模型的预测质量至关重要。在极端学习机器（ELM）的情况下，文献中提出的大多数方法都对数据进行了强有力的假设，忽略输入权重的随机性或忽略了置信估计的偏见贡献。本文提出了克服这些限制并提高对ELM变异性的理解的新颖估计。分析推导是在一般假设下提供的，旨在识别识别和解释不同变异源的贡献。在同性恋性和异性恋性下，提出了几种方差估计值，进行了投资和数值测试，显示了它们在复制预期方差的有效性。最后，通过采用关键方法来讨论置信间隔估计的可行性，从而提高了榆树用户对某些陷阱的认识。该论文与Scikit-Learn兼容的Python库相同，从而实现了本文中所有讨论的所有估计值的有效计算。2021作者。由Elsevier B.V.这是CC下的开放访问文章（http://creativecommons.org/licenses/4.0/）。
低风洞试验的不确定性量化
摘要：低层建筑的风致屋顶压力通常在边界层风洞中测量。据记载，不同边界层风洞中缩小比例的建筑模型的压力统计数据差异很大。流动设施能力、模型设计和制造、仪器、测试设置和程序、特定的数据缩减方法以及研究人员的经验是影响风洞实验测量数据和结果的众多因素之一。考虑到上述变量列表，结果经常不同也就不足为奇了，因为每个变量都会带来潜在的误差源。为了确定从风洞测试中获得的压力统计数据中的驱动不确定性来源，使用 NIST 空气动力学数据库通过蒙特卡罗模拟执行详细的不确定性量化分析。这项工作具体展示了测量不确定性如何传递到风洞测试中感兴趣的数量。它还将提供对关键测量、不确定性来源的更好理解，并可能揭示压力统计结果之间存在差异的原因。
贝叶斯逆不确定性量化驼鹿...
添加剂制造（AM）技术由于能够快速生产，原型和自定义设计而越来越多地在各种应用领域中采用。AM技术在核材料方面有明显的机会，包括加速制造过程和成本降低。在爱达荷州国家实验室（INL）的多个物理学面向对象的模拟环境（MOOSE）中，正在开发AM过程的高层建模和模拟（M＆S），以支持AM过程优化并提供对所涉及的各种物理相互作用的基本了解。在本文中，我们采用贝叶斯逆不确定性定量（UQ）来量化AM基于驼鹿的熔体模型中的输入不确定性。逆UQ是成型量化输入不确定性的过程，同时保持模型预测与测量数据一致。逆UQ过程考虑了模型，代码和数据的不可能，而同时表征输入参数中不确定的分布，而不是仅提供最佳位点估计值。我们使用熔体池几何形状（长度和深度）的测量数据来量化多个熔体池模型参数中的不确定性。模拟结果与实验数据的一致性提高了。可以使用所得参数不确定性来代替未来的不确定性，敏感性和验证研究中的专家意见。
GCS：一份快速简便的指南合规性量表
由于汽车内的人机交互 (HMI) 不再局限于方向盘、油门和刹车，HCI 研究领域正在迅速发展。车载技术和自动驾驶的最新发展带来了更多功能，这些功能在评估汽车内部界面时带来了一些新挑战。汽车行业的老牌公司也不得不面对新的挑战，因为有新的参与者将其产品集成到汽车中。苹果公司高级运营副总裁 Jeff Williams 称汽车是“终极移动设备”（Snyder，2015 年）。除了带有速度表、转速表和用于操作车辆的基本信息显示器的典型仪表盘外，现代汽车通常还配备了各种车载信息系统 (IVIS)。这些系统涵盖的功能包括显示车辆状态和导航信息、娱乐功能以及外部设备的多种连接选项。
具有多模光纤的可编程线性量子网络
Leedumrongwatthanakun, S.、Innocenti, L.、Defienne, H.、Juffmann, T.、Ferraro, A.、Paternostro, M. 和 Gigan, S. (2020) 具有多模光纤的可编程线性量子网络。《自然光子学》，14(3)，第 139-142 页。（doi：10.1038/s41566-019-0553-9）未经出版商进一步许可，不得将本材料用于任何其他目的，且仅供私人使用。
具有高维光学空间模式的可编程相干线性量子操作
光子学为探索非经典计算资源提供了一个出色的平台[1]，因为纠缠可以通过光学非线性效应方便地产生[2-4]，而线性操控协议可在多个自由度上实现[5-7]。人们做出了巨大的努力来产生和操控高维纠缠态，既用于量子力学的检验[8]，也用于量子技术的应用[9]。人们致力于增加单个光子上编码的信息量[10]，并实现高维通用线性运算，以扩展量子处理的能力，增强量子计算和模拟的多功能性[11]。高维量子编码已在光路域[12]、频域[4]、时间模域[13,14]和横向空间模域[15–17]中得到演示。对于第一个域，Reck等人[5]展示了如何使用由相位调制器和耦合器组成的级联基本块实现任意幺正算子。利用Reck等人的方案，在路径域中报道了维数从6到26的可编程矩阵算子和投影仪[9,12,18,19]。然而，仅实现了6×6的任意变换矩阵，而由于移相器和定向耦合器的排列复杂性不断增加，其他演示都是固定的或部分可调的。在频域，量子
线性量子光学的稳健 W 状态编码
错误检测和纠正是任何可扩展量子计算架构的必要先决条件。鉴于量子系统中不可避免地存在不必要的物理噪声，并且错误容易随着计算的进行而扩散，计算结果可能会受到严重破坏。无论选择哪种物理实现，这一观察结果都适用。在光子量子信息处理的背景下，人们对包括玻色子采样在内的被动线性光学量子计算产生了浓厚的兴趣，因为这种模型通过快速、主动控制消除了前馈的极具挑战性的要求。也就是说，这些系统在定义上是被动的。在通常情况下，错误检测和纠正技术本质上是主动的，这使得它们与该模型不兼容，这引起人们的怀疑，即物理错误过程可能是一个难以逾越的障碍。这里我们探索了一种基于光子量子比特 W 状态编码的光子误差检测技术，该技术完全是被动的、基于后选择的，并且与这些近期感兴趣的光子架构兼容。我们表明，这种 W 状态冗余编码技术能够通过简单的扇出式操作抑制光子量子比特上的失相噪声，该操作由光学傅里叶变换网络实现，现在可以轻松实现。该协议有效地将失相噪声映射到预兆故障，在理想的无噪声极限下故障概率为零。我们在单个光子量子比特通过嘈杂通信或量子存储通道的背景下提出我们的方案，该方案尚未推广到更一般的全量子计算背景。