XiaoMi-AI文件搜索系统
World File Search System未知参数
与参数的多方量子密钥协议 -
摘要。本文提出了一种新型的多方量子密钥协议协议，其中通道独立于参数。所提出的多方量子密钥协议（MQKA）协议利用具有未知参数作为量子资源的非最大纠缠铃状状态，并执行单一操作来编码密钥信息。在独立于参数的通道中，每个方都不需要知道正在操作的频道的参数。与基于最大纠缠状态设计的先前MQKA协议相比，我们的协议可以在不知道非最大值纠缠状态的参数的情况下工作，这对于实验很方便。此外，安全分析表明，所提出的协议可以抵抗局外人和参与者的攻击。
Fokker-Planck反馈控制框架用于结肠癌诱导血管生成的最佳个性化治疗
本文提出了一种用于获得结肠癌诱导血管生成个性化最佳治疗策略的新框架。结肠癌的动力学由 It´o 随机过程给出，这有助于对系统中存在的随机性进行建模。然后，随机动力学由 Fokker-Planck (FP) 偏微分方程 (PDE) 表示，该方程控制相关概率密度函数的演变。使用三步程序获得最佳疗法。首先，制定一个有限维 FP 约束优化问题，该问题输入单个嘈杂的患者数据，并求解以获得与单个肿瘤特征相对应的未知参数。接下来，使用最佳参数集的灵敏度分析来确定要控制的参数，从而有助于评估治疗类型。最后，解决反馈 FP 控制问题以确定最佳组合疗法。由贝伐单抗和卡培他滨组成的组合药物的数值结果证明了所提框架的有效性。
基于可能性的方法改善了意见动力学模型中的参数估计
我们表明，在基于代理的模型（ABMS）中，意见动力学的最大似然方法超出了典型的基于仿真的方法。基于仿真的方法会重复模拟模型，以寻找一组与观察到的数据相似的数据。相比之下，基于似然的方法得出了一种可能性函数，该函数将未知参数与观察到的数据以统计原则的方式连接到了观察到的数据。我们将这两种方法比较了众所周知的意见动力学模型。我们在数据可用性上增加复杂性的三种现实情况：（𝑖）完全观察到的意见和相互作用，（𝑖𝑖）部分观察到的相互作用，（𝑖𝑖𝑖）观察到与观点噪声代表的相互作用。为了实现基于可能性的方法，我们首先将模型投入到支持适当数据可能性的概率生成式的幌子中。然后，我们通过概率图形模型描述了三种情况，并显示了转化模型的细微差别。最后，我们在自动分化框架中实现了此类模型，从而可以通过差异下降来轻松有效地估算最大似然。这些基于可能性的估计值最高4倍，并且最多需要200倍的计算时间。
具有变异量子光学非线性的光子量子计量学
光子量子计量学利用光的量子状态，例如中午或双围状状态，以测量超出经典精确限制的未知参数。当前的方案遭受了两个严重的限制，这些局限性排除了它们的可伸缩性：由于门误差而产生具有较大光子数的状态时，指数下降（或概率）的指数下降以及此类状态对噪声的敏感性的提高。在这里，我们开发了一种确定性协议，结合了量子光学非线性和变异量子算法，该方案在这两个方面都提供了实质性改进。首先，我们展示了变分协议如何生成与量子相关的状态，而少量操作并不显着取决于光子数，从而导致在考虑门错误时的指数改善。第二，我们表明，与文献中的其他状态相比，这种状态对噪音具有更好的稳健性。由于我们的协议利用了已经出现在最先进的设置中的相互作用（例如腔Qed），因此我们希望它将在不久的将来会导致更可扩展的光子量子计量学。
学习飞机运行因素以改善飞机爬升预测：一项大规模多机场研究
地面飞机轨迹预测是空中交通管制和管理的主要关注点。安全有效的预测是实施新自动化工具的先决条件。在当前的操作中，轨迹预测是使用物理模型计算的。它模拟作用在飞机上的力，以预测未来轨迹的连续点。使用这样的模型需要了解飞机状态（质量）和飞机意图（推力定律、速度意图）。大部分这些信息对于地面系统来说是不可用的。本文重点关注爬升阶段。我们通过预测一些未知的点质量模型参数来提高轨迹预测精度。这些未知参数是质量和速度意图。本研究依赖来自 OpenSky 网络的 ADS-B 数据。它包含该传感器网络检测到的 2017 年的爬升段。研究了 11 种最常见的飞机类型。获得的数据集包含来自世界各地的数百万个爬升段。爬升段未根据其高度进行过滤。使用机器学习方法从该数据集中学习返回缺失参数的预测模型。训练后的模型在一年的最后两个月进行测试，并与基线方法（使用 BADA 和前十个月计算的平均参数）进行比较。与此基线相比，机器学习方法降低了海拔高度的 RMSE
具有深度强化学习的参数 PDE 控制......
参数偏微分方程 (PDE) 的最优控制在工程和科学领域的许多应用中都至关重要。近年来，科学机器学习的进步为参数偏微分方程的控制开辟了新的领域。特别是，深度强化学习 (DRL) 有可能在各种应用中解决高维和复杂的控制问题。大多数 DRL 方法依赖于深度神经网络 (DNN) 控制策略。然而，对于许多动态系统，基于 DNN 的控制策略往往过度参数化，这意味着它们需要大量的训练数据、表现出有限的鲁棒性并且缺乏可解释性。在这项工作中，我们利用字典学习和可微分 L 0 正则化来学习参数偏微分方程的稀疏、鲁棒和可解释的控制策略。我们的稀疏策略架构与 DRL 方法无关，可以在不同的策略梯度和参与者-评论家 DRL 算法中使用，而无需改变其策略优化程序。我们在控制参数化 Kuramoto-Sivashinsky 和对流-扩散-反应 PDE 的挑战性任务上测试了我们的方法。我们表明，我们的方法 (1) 优于基于 DNN 的基准 DRL 策略，(2) 允许推导所学最优控制律的可解释方程，以及 (3) 推广到 PDE 的未知参数而无需重新训练策略。
引力波中量子粒子的 Fisher 信息和弱等效原理
其中 D μ 是弯曲时空中的协变导数。在这种情况下，m 根本不是一个乘法因子，而是克莱因-戈登方程中的特征。在这种背景下，有建议认为量子流体（超导体、超流体、量子霍尔流体、玻色-爱因斯坦凝聚体）的性质可能会增强与引力波的相互作用，从而导致超流体成为引力天线的介质[1-7]，超导电路作为引力波探测器[8]、换能器[9,10]和镜子[11-13]。这些想法并非没有引起争议[14-16]。原因是许多这些想法启发性地应用了量子粒子违反 WEP 的概念。这促使我们为引力波中的量子粒子提供更严格的 WEP 特征。WEP 认为自由落体轨迹应该与质量无关，可以重新表述为自由落体物体的 Fisher 信息与质量不变的陈述 [ 17 ]。在这个信息论框架中，违反 WEP 意味着人们可以提取有关自由落体物体质量的信息。WEP 的这种信息论表述具有以下优势：它可以以明确的方式扩展到量子物体。具体而言，Fisher 信息给出了可观测随机变量提供的有关未知参数的信息量。在我们的例子中，随机变量是粒子 x 的位置，未知参数是其质量 m 。对于具有波函数 ψ( x , t ) 的粒子，Fisher 信息为
泊松等级印度自助餐 -
在这项工作中，我们对我们称为泊松层的印度bu效过程进行了全面的贝叶斯后验分析，该过程旨在用于复杂的随机稀疏计数物种采样模型，该模型允许跨组内和内部共享信息。此分析涵盖了可能有限数量的物种和未知参数，在贝叶斯机器学习环境中，我们能够随着更多信息的采样而学习。为了实现我们的结合结果，我们采用了一系列从贝叶斯潜在特征模型，随机占用模型和偏移理论中汲取的方法。尽管有这种复杂性，但我们的目标是使从业人员（包括那些可能不熟悉这些领域的人）可以访问我们的发现。为了促进理解，我们采用了一种伪式风格，强调清晰度和实用性。我们的目标是用一种与微生物组和生态学专家产生共鸣的语言来表达自己的发现，以解决建模能力的差距，同时承认我们不是这些领域中的专家。这种方法鼓励将我们的模型用作域专家采用的更复杂框架的基本组成部分，从而体现了Dirichlet过程中开创性工作的精神。最终，我们对后验分析不仅会产生可进行的计算程序，而且还可以实现实际的统计实施，并在微生物组分析中为相关数量提供了明确的映射。
量子计量的量子信息技术
量子计量学是量子信息领域的一门新兴学科，目前正在经历一系列实验突破和理论发展。量子计量学的主要目标是尽可能准确地估计未知参数。通过使用量子资源作为探针，可以达到使用最佳经典策略无法实现的测量精度。例如，对于相位估计任务，最大精度（海森堡极限）是最佳经典策略精度的二次方增益。当然，量子计量学并不是目前正在取得进展的唯一量子技术。本论文的主题是探索如何在适当的情况下使用其他量子技术增强量子计量学，即：图状态、纠错和加密。图状态是量子信息中非常有用且用途广泛的资源。我们通过量化图状态对相位估计量子计量任务的实用性来帮助确定图状态的全部适用范围。具体而言，图状态的效用可以根据相应图的形状来表征。据此，我们设计了一种方法，将任何图状态转换为更大的图状态（称为捆绑图状态），该图状态近似饱和海森堡极限。此外，我们表明，图状态是一种抵抗噪声影响的稳健资源，即失相和少量擦除，并且量子克拉美-罗界限可以通过简单的测量策略饱和。噪声是量子计量学的最大障碍之一，限制了其可实现的精度和灵敏度。已经证明，如果环境噪声与量子计量任务的动态可以区分，那么可以频繁应用误差校正来对抗噪声的影响。然而在实践中，目前的量子技术无法达到保持海森堡精度所需的误差校正频率。我们通过考虑技术限制和障碍来探索纠错增强量子计量的局限性，由此我们建立了在存在噪声的情况下可以保持海森堡极限的机制。全面实施量子计量问题在技术上要求很高：必须以高保真度生成和测量纠缠量子态。在缺乏所有必要的量子硬件的情况下，一种解决方案是将任务委托给第三方。这样做自然会出现一些安全问题，因为可能存在恶意对手的干扰。我们解决了