XiaoMi-AI文件搜索系统
World File Search System期望值
任意大小黑盒量子的误差抑制...
对于 NISQ 设备的应用而言，在不进行完全纠错的情况下有效抑制错误至关重要。错误缓解使我们能够在提取期望值时抑制错误，而无需任何纠错码，但其应用仅限于估计期望值，无法为我们提供作用于任意量子态的高保真量子操作。为了应对这一挑战，我们建议将错误过滤 (EF) 用于基于门的量子计算，作为一种实用的错误抑制方案，而无需诉诸完全量子纠错。结果是一个通用的错误抑制协议，其中抑制错误所需的资源与量子操作的大小无关，并且不需要对操作进行任何逻辑编码。只要遵守错误层次结构，即当辅助 cSWAP 操作的噪声小于要纠正的操作时，该协议就会提供错误抑制。我们进一步分析了 EF 在量子随机存取存储器中的应用，其中 EF 提供了硬件高效的错误抑制。
纯量子状态估计的最小正常基碱基
量子状态估计[1]，即概念确定量子系统的完整说明的过程，对于NUMER应用至关重要，范围从量子化处理处理到量子模拟。在D维量子系统中，可以通过带有单位迹线的阳性半明确复合物来描述状态。因此，量子状态估计需要了解至少D 2-1线性独立的遗产运算符的期望值。传统的提出这些期望值的方法是测量D 2-1广义的Gell-Mann矩阵[2，3]。但是，这种方法需要大量的实验资源和D大范围的时间。一种替代方法是测量d + 1个不偏的碱基[4-8]。虽然此组提供了更好的缩放，但它仍然是线性的，并且它不知道是否存在相互无偏的基础
早期逆境与成人大脑的预期价值信号较低有关
抽象背景：假定早期不良经历会影响奖励学习和决策的基本过程。然而，在逆境中调查这些电路的计算神经影像学研究稀疏，仅限于在青少年样本中进行的研究，从而使长期效应未经探索。方法：使用纵向出生队列研究的数据（n = 156; 87女性），我们研究了逆境与奖励学习的计算标记之间的关联（即期望值，预测错误）。在33岁时，所有参与者都完成了功能性磁共振成像 - 基于被动回避任务。心理病理学测量。我们应用了主成分分析来捕获7种逆境度量的常见变化。由此产生的逆境因素（因子1：产后心理逆境和产前孕产妇吸烟；因子2：产前孕产妇的压力和产科逆境；因素3：较低的孕产妇刺激）与核心奖励网络中的心理病理学和神经反应相关联。结果：我们发现，主要由较低母体刺激告知的逆境维度与右壳核，右核核核和前扣带回皮质的较低的期望值表示有关。右核中编码的期望值进一步介导了这种逆境维度与心理病理学之间的关系，并预测了在COVID-19大流行期间较高的撤离症状。结论：我们的结果表明，护理人员环境中的早期不良经历可能对奖励相关的大脑区域中的奖励学习具有长期的破坏作用，这可能与次优决策有关，从而增加了心理病理的脆弱性。
开放量子系统的保护性测量
我们研究了在存在环境和退相干的情况下的保护性量子测量。我们考虑了保护性测量的量子比特模型，该模型在测量过程中也与自旋环境相互作用。我们研究了与环境的耦合如何影响保护性测量的两个特性，即 (i) 使系统状态几乎不变的能力和 (ii) 将有关期望值的信息传输到设备指针。我们发现，即使与环境的相互作用足够弱，不会导致初始量子比特状态明显退相干，它也会导致测量结束时设备指针位置的概率分布显著扩大。指针位置的这种偏移极大地降低了从指针读数中测量所需期望值的准确性。我们还表明，即使选择与环境的耦合使得系统状态不受退相干的影响，环境仍可能对指针读数产生不利影响。
从Bellman方程式进行增强学习派生
Q学习算法（Watkins）给出了一种以模型自由方式计算最佳策略的更优雅的方式。表示q（x，u）采取行动u时状态x的最佳期望值，然后最佳地进行。是q（x，u）= r（x，u） +γx
8.2 量子误差缓解 8.2.1 零噪声外推
在详细讨论 QEM 环境中的各种算法中的两种之前，我们先介绍一下 QEM 方法的总体思路。我们将主电路定义为理想情况下会产生完美输出状态 ˆ ⇢ 0 的过程。由于存在噪声，主电路会产生噪声状态 ˆ ⇢ 。为了解释电路的工作原理，我们考虑一个可观测量 ˆ O，其期望值就是我们寻求的输出信息。为了计算这个值，我们将运行电路 N 个样本，即电路执行的次数。同样，在无噪声的情况下，N 样本的有限值意味着估计平均值的有限不准确性。这就是所谓的散粒噪声。然而，在这种情况下，ˆ O 的期望值不会因噪声而出现系统性偏移，即偏差。QEM 旨在减少这种偏差。通常，这意味着相应的方差会增加。然后，需要增加电路运行次数 N > N 样本进行补偿。与无噪声电路相比，采样开销是 QEM 方法以重复次数计算的成本。
图态退相干动力学的可解模型
我们提出了一个精确可解的玩具模型，用于 N 个量子比特的置换不变图状态的连续耗散动力学。此类状态局部等效于 N 个量子比特的 Greenberger-Horne-Zeilinger (GHZ) 状态，后者是许多量子信息处理装置中的基本资源。我们重点研究由 Lindblad 主方程控制的状态的时间演化，该方程具有三个标准单量子比特跳跃算子，哈密顿量部分设置为零。通过推导出在 Pauli 基中随时展开的可观测量的期望值的解析表达式，我们分析了非平凡的中间时间动力学。使用基于矩阵乘积算子的数值求解器，我们模拟了最多 64 个量子比特的系统的时间演化，并验证了数值上与解析结果的精确一致性。我们发现，系统二分算子空间纠缠熵的演化呈现出一个平台期，其持续时间随着量子比特的数量呈对数增加，而所有泡利算子积的期望值最多在常数时间内衰减。
容错之前量子计算实用性的证据
量子计算有望在某些问题上提供比传统计算更快的速度。然而，发挥其全部潜力的最大障碍是这些系统固有的噪声。这一挑战被广泛接受的解决方案是实现容错量子电路，而这超出了当前处理器的能力。我们在此报告了在嘈杂的 127 量子比特处理器上进行的实验，并展示了在超越蛮力传统计算的规模上对电路体积的准确期望值的测量。我们认为这代表了量子计算在容错时代之前的实用性的证据。这些实验结果得益于超导处理器在这种规模上的相干性和校准方面的进步，以及表征 1 和可控制地操纵如此大型设备上的噪声的能力。我们通过将测量的期望值与精确可验证电路的输出进行比较来确定其准确性。在强纠缠状态下，量子计算机提供了正确的结果，而基于纯态的一维（矩阵积态，MPS）和二维（等距张量网络态，isoTNS）张量网络方法 2,3 等领先的经典近似方法则无法实现。这些实验展示了实现近期量子应用的基础工具 4,5 。
量子计算机上的对称加密
经典对称加密算法使用共享密钥的 N 位，以信息理论上安全的方式通过单向信道传输消息的 N 位。本文提出了一种混合量子-经典对称密码系统，该系统使用量子计算机生成密钥。该算法利用量子电路使用一次性密码本类型的技术加密消息，同时需要更短的经典密钥。我们表明，对于 N 量子比特电路，指定量子电路所需的最大位数以 N 3 / 2 增长，而量子电路可以编码的最大位数以 N 2 增长。我们没有充分利用量子电路的全部表达能力，因为我们只关注二阶泡利期望值。使用更高阶的泡利期望值可以编码指数数量的位数。此外，使用参数化量子电路 (PQC)，我们可以通过引入对某些 PQC 参数的密钥依赖性来进一步增加安全共享信息的数量。该算法可能适用于早期容错量子计算机实现，因为可以容忍一定程度的噪声。模拟结果与 84 量子比特 Rigetti Ankaa-2 量子计算机上的实验结果一起呈现。
![arXiv:2201.01471v3 [quant-ph] 2022 年 4 月 18 日](/simg/g:\will\search\icon\source\e\eaea73a6e5c64af89eddbca2c196025579a5c1fe.webp)
arXiv:2201.01471v3 [quant-ph] 2022 年 4 月 18 日
在量子计算机上获取可观测量的期望值是变分量子算法中的关键步骤。对于分子电子哈密顿量等复杂可观测量，一种常见的策略是将可观测量表示为可测片段的线性组合。这种方法的主要问题是需要大量测量才能准确估计可观测量的期望值。我们考虑了几种基于交换多量子比特泡利积分组的分割方案，目的是最小化测量次数。探索了三个主要方向：1) 使用贪婪方法对交换运算符进行分组，2) 涉及非局部幺正变换进行测量，3) 利用一些泡利积与几个可测组的兼容性。最后一个方向产生了一个通用框架，它不仅提供了对以前方法的改进，而且还将测量分组方法与阴影层析成像技术的最新进展联系起来。按照这个方向，我们开发了两种新的测量方案，与以前最先进的方法相比，将一组模型分子的测量次数减少了几倍。