XiaoMi-AI文件搜索系统
World File Search System抗噪声
抗噪声且可解释的癫痫发作检测
摘要 — 深度卷积神经网络最近已成为检测癫痫发作的先进工具。此类模型能够提取脑电图 (EEG) 信号的复杂非线性表示，与依赖手工制作特征的方法相比，其准确性更高。然而，神经网络容易受到脑电图信号中常见的混杂伪影的影响，并且难以解释。在这项工作中，我们提出了一种基于神经网络的癫痫发作检测算法，该算法利用信息论的最新进展来构建信号表示，其中包含区分癫痫发作和正常大脑活动所需的最少信息。我们展示了我们的方法自动学习忽略常见信号伪影并从原始信号中编码医学相关信息的表示。
利用电势进行量子空间搜索：长期动力学和抗噪声能力
离散时间量子游动 (DQW) 对应于量子细胞自动机的单粒子部分 [1,2]。它们可以模拟许多物理系统，从任意杨-米尔斯规范场中的粒子 [3] 和黑洞附近的无质量狄拉克费米子 [4]，到带电量子流体 [5]，其他面向物理的应用参见参考文献 [6–16]。此外，DQW 可以看作是经典随机游动 (CRW) [17] 的量子类似物，可以用来构建空间搜索算法，其性能优于 [18] 使用 CRW 构建的算法。连续时间量子游动也可以用于这一目的 [19]。在三维空间中，基于 DQW 的算法 [18,19] 可以在 O (√
智能灵活性 - Smc.eu
这种流行的开放式点对点通信协议通过使用互联网连接的机器来监控生产过程，实现了动态生产过程。标准布线、抗噪声、具有自动设置的即插即用传感器或远程增加的数据可用性（直接通过网络返回）是这种通信技术的一些关键，该技术受益于操作期间的诊断和修改操作参数，从而可以提高过程效率并提高机器可用性。
改进量子计算中整数乘法器中的 T 门数量及其分布
执行算术运算的量子电路在量子计算中至关重要，因为经过验证的量子算法需要此类运算。尽管量子计算机资源越来越丰富，但目前可用的量子比特数量仍然有限。此外，这些量子比特受到内部和外部噪声的严重影响。已经证明，使用 Clifford+T 门构建的量子电路可以实现容错。然而，使用 T 门的成本非常高。如果电路中使用的 T 门数量没有优化，电路的成本将过度增加。因此，优化电路以使其尽可能节省资源并具有抗噪声能力至关重要。本文介绍了一种执行两个整数乘法的电路设计。该电路仅使用 Clifford+T 门构建，以兼容错误检测和校正码。在 T 计数和 T 深度方面，它的表现优于最先进的电路。
2023/24 充实计划年鉴
我的工作影响 我研究的一个主要成果是开发了一个框架，该框架可以量化意义如何从基本视图的组合中浮现出来。我们发现，有效地表示涌现可以提供可证明的抗噪声鲁棒性，以及图形语言的自然可解释性。我工作的另一个主题是了解如何安全地利用领域特定信息（大多数算法范式为了鲁棒性而主动丢弃的信息）来学习整体表示，同时保持其鲁棒性。一个共同利用这些发现的示例应用是开发深度神经网络，该网络主要使用在正常天气下获得的数据进行训练，也可以推广到极端天气条件，并能够准确了解网络的哪些组件使其能够推广。
![arXiv:2405.12085v2 [quant-ph] 2024 年 11 月 25 日](/simg/g:\will\search\icon\source\4\4f6ded12cd175110a056dda36fea62b97d7aa029.webp)
arXiv:2405.12085v2 [quant-ph] 2024 年 11 月 25 日
这项工作研究了量子电路的近期可学习性。我们展示了量子统计查询对于学习量子过程的自然稳健性，并提供了一种从统计数据中对全局去极化噪声进行基准测试的有效方法，这为我们开发抗噪声算法提供了强大的框架。我们将恒定深度量子电路的学习算法调整为量子统计查询设置，查询复杂度的开销很小。我们证明了使用统计查询学习钻石距离内对数和更高深度的随机量子电路的平均下限。最后，我们通过构建有效的区分器并证明量子无免费午餐定理的新变体，证明了伪随机幺正（PRU）不能使用恒定深度的电路构建。
2412.08694v1.pdf
量子密钥分发 (QKD) 提供了一种理论上安全的密钥共享方法，但实际实施面临长距离信道噪声和损失带来的挑战。传统的 QKD 协议需要大量的噪声补偿，这阻碍了其工业可扩展性并降低了可实现的密钥速率。替代协议在抗噪声状态下对逻辑量子位进行编码，但代价是使用许多物理量子位，增加了丢失的可能性并限制了传输距离。在这项工作中，我们引入了一种逻辑量子位编码，它在连续光子自由度、频率和时间中使用反对称贝尔态。通过利用连续空间，我们通过最小化每个逻辑量子位的光子数量来克服这种噪声损失稳健性权衡，同时优化编码对噪声波动的弹性。我们分析了我们的编码的安全性，并证明了它与现有的最先进协议相比的稳健性。这种方法为在现实噪声条件下实现可扩展、高效的 QKD 实施提供了一条途径。
新技术、材料和设备...
飞机电子系统在雷击放电过程中的性能主要由机身和尾翼材料的参数决定[1]。近年来，由复合材料（碳纤维和玻璃纤维）制成的飞机机身设计得到了广泛的发展[2]。复合材料在无人机制造中应用最为广泛。用复合材料制造飞机机身需要开发新的方向，以确保电磁影响和相互作用期间的电磁兼容性 [3, 4]。机载设备在外部电磁影响下的抗噪声能力决定了整架飞机运行的质量和可靠性。最危险的外部电磁影响类型之一是雷电放电的影响。雷电对飞机的影响可分为两个部分：间接雷电放电（其特征是飞机附近云层之间的放电）和直接放电到飞机机身中[4, 5]。由于复合材料在飞机结构中的使用，确保机载设备的抗噪性和飞机的抗雷击能力的任务呈现出新的形态。
用于脑电信号分类的抗噪低秩学习算法
脑电图(EEG)在临床癫痫治疗中常用于监测癫痫患者脑部电信号的变化。随着信号处理和人工智能技术的发展，人工智能分类方法在癫痫脑电信号的自动识别中发挥着重要作用。但传统分类器容易受到癫痫脑电信号中杂质和噪声的影响。针对这一问题，该文设计了一种抗噪声低秩学习(NRLRL)脑电信号分类算法。NRLRL建立低秩子空间连接原始数据空间与标签空间，充分利用监督信息，考虑样本局部信息的保存性，保证类内紧凑性和类间离散性的低秩表示。将非对称最小二乘支持向量机(aLS-SVM)嵌入到NRLRL的目标函数中。 aLS-SVM基于pinball损失函数寻找两类样本间的最大分位数距离，进一步提高了模型的噪声鲁棒性。在Bonn数据集上设计了多个不同噪声强度的分类实验，实验结果验证了NRLRL算法的有效性。
利用量子误差校正对恒星进行成像
高分辨率、大基线光学干涉仪的发展将彻底改变天文成像。然而，传统技术受到物理限制的阻碍，包括损失、噪声以及接收光通常具有量子性质的事实。我们展示了如何使用量子通信技术克服这些问题。我们提出了一个使用量子纠错码保护和成像远距离望远镜站点接收的星光的通用框架。在我们的方案中，光的量子态通过受激拉曼绝热通道相干地捕获到非辐射原子态中，然后将其印入量子纠错码中。该代码在提取图像参数所需的后续潜在噪声操作中保护信号。我们表明，即使是小的量子纠错码也能提供显着的抗噪声保护。对于大代码，我们发现噪声阈值低于该阈值可以保留信息。我们的方案代表了近期量子设备的应用，它可以将成像分辨率提高到超出使用传统技术可行的水平。