XiaoMi-AI文件搜索系统
World File Search System机上
在连续变量量子计算机上模拟量子场论
我们深入研究了使用光子量子计算来模拟量子力学并将其应用扩展到量子场论。我们开发并证明了一种方法，该方法利用这种连续变量量子计算 (CVQC) 来重现任意汉密尔顿量下量子力学状态的时间演化，并且我们证明了该方法在各种潜力下的显著效果。我们的方法以构建演化状态为中心，这是一种特殊准备的量子态，可在目标状态下诱导所需的时间演化。这是通过使用基于测量的量子计算方法引入非高斯运算来实现的，并通过机器学习进行增强。此外，我们提出了一个框架，其中可以扩展这些方法以在 CVQC 中编码场论而无需离散化场值，从而保留场的连续性。这为量子场论中的量子计算应用开辟了新的途径。
入耳式耳机上欧盟生态设计和电池指令的实施
如今生产的产品并非为维修而设计。这导致产品损坏后被丢弃，并被新产品取代，而不是进行维修。为了解决这个问题，欧盟委员会不断努力更新产品开发的法律和指令，并逐步生效。本论文重点关注便携式电池的生态设计指令和电池指令，旨在重新设计指定的耳机以满足可修复性和最终用户更换电池的要求。这款耳机已由 Sigma Connectivity AB 指定，并从现有的设计中开发出更新的设计以满足生态设计和电池指令的要求。这是通过设计更改来实现的，这些更改允许经济可行的维修和选择最终用户可以自行更换的新电池，以及新电池带来的设计更改。电池是镍氢电池。
量子计算机上的差分密码分析
摘要：随着量子计算的进步，人们进行了广泛的研究以寻找密码学领域的量子优势。将量子算法与经典密码分析方法（如差分密码分析和线性密码分析）相结合，有可能降低复杂性。在本文中，我们提出了一种用于差分密码分析的量子差分查找电路。在我们的量子电路中，明文和输入差分都处于叠加态。实际上，虽然我们的方法无法通过量子计算实现直接加速，但它通过依赖叠加态中的量子概率提供了不同的视角。对于量子模拟，考虑到量子比特的数量有限，我们通过实现 Toy-ASCON 量子电路来模拟我们的量子电路。
基于GPU的私人信息检索针对机上机器学习推理
抽象的机上计算机学习（ML）推理可以在无需向远程服务器揭示的用户设备上使用私人用户数据。但是，对于依靠嵌入太大而无法存储在设备上的许多应用程序的应用程序，纯粹的私人ML推理解决方案是不切实际的。特别是，建议模型通常在1-10 GB的数据下使用多个嵌入式表，这使得它们不切实际地存储在设备上。为了超越这个障碍，我们建议使用私人信息检索（PIR）有效，私人地从服务器中嵌入嵌入，而无需共享任何私人信息。由于现成的PIR算法通常过于计算，因此很密集，无法直接用于潜伏敏感的推理任务，我们1）提出了基于GPU的新型PIR加速度，以及2）与下游ML的pir共同设计PIR，以获得进一步的加速。我们的GPU加速策略将系统吞吐量提高了20倍以上，超过了CPU PIR实现，而我们的PIR-ML共同设计在固定模型质量下提供了超过5倍的额外吞吐量改进。，对于各种设备上的ML插图，例如建议和语言建模，我们的单个V100 GPU上的系统每秒可提供高达100，000的查询 - 基于CPU的基线，A> 100×吞吐量改进 - 在基于CPU的基线上 - 维护模型准确性。
量子计算机上的化学反应模拟
摘要：研究化学反应，特别是气相化学反应，很大程度上依赖于计算散射矩阵元素。这些元素对于表征分子反应和准确确定反应概率至关重要。然而，量子相互作用的复杂性带来了挑战，需要使用先进的数学模型和计算方法来应对固有的复杂性。在本研究中，我们开发并应用了一种量子计算算法来计算散射矩阵元素。在我们的方法中，我们采用基于 Møller 算子公式的时间相关方法，其中反应物和产物通道之间的 S 矩阵元素通过反应物和产物 Møller 波包的时间相关函数确定。我们成功地将我们的量子算法应用于计算一维半无限方阱势和共线氢交换反应的散射矩阵元素。随着我们探索量子相互作用的复杂性，这种量子算法具有通用性，并成为一种有前途的途径，为在量子计算机上模拟化学反应提供了新的可能性。
一种基于机器学习的错误缓解方法，用于在IBM的量子计算机上开发可靠的软件开发
量子计算机有可能在某些复杂的计算问题上胜过经典计算机。但是，当前的量子计算机（例如，来自IBM和Google）具有继承噪声，该噪声会导致量子软件在量子计算机上执行的量子软件输出的错误，从而影响量子软件开发的可靠性。鉴于其可扩展性和实用性，该行业越来越涉及机器学习（ML）基于基于错误的错误缓解技术。但是，现有的基于ML的技术有局限性，例如仅针对特定的噪声类型或特定的量子电路。本文提出了一种实用的基于ML的方法，称为Q-Lear，具有新型功能集，以减轻量子软件输出中的噪声错误。我们在八台量子计算机及其相应的嘈杂模拟器上评估了Q- LEAL，全部来自IBM，并将Q-lear与基于基线的基于ART ML的最先进的方法进行了比较。结果表明，与基线相比，Q-lear在实际量子计算机和模拟器上都达到了25％的误差缓解措施。我们还讨论了Q学习的含义和实用性，我们认为这对于从业者来说是有价值的。
RFI免疫的最佳实践在振动发射机上...
1。扭曲传感器引导在一起（每英尺至少10个曲折）。2。将扭曲的引线滑过铁氧体芯，两次将其定位为接近传感器的实用性。请参阅图1和2。3。，如果可能的话，将导线缩小并使用屏蔽的扭曲对。也遵循此应用程序中的步骤2。如图2所示，可以通过将不同数量的电线转弯通过铁氧体芯来创建那些减弱不同频率的铁氧体核“窒息”。更多的转弯会增加诱导性并逐渐降低频率。可以以这种方式创建多个“窒息”，并将其串联放在电线上，导致覆盖宽频带。始终定位覆盖最接近传感器的较高频带的扼流圈。
在小量子计算机上的地球观测图像的组装
1 Fondazione Policlinico Universitorio Campus Bio-Medico，经Alvaro del Portillo，200，意大利罗马00128； g.longo@policlinicocampus.it（U.G.L.）; albertolalli30@gmail.com（A.L.）; benedettabandini.000@gmail.com（B.B.）2校园和创伤外科研究部门，医学与外科系，校园Bio-Medico di Roma，经Alvaro del Portillo，21，00128，00128，ROMA，ROMA，ITALY 3胃肠病学，内窥镜检查，IRCCS Humanitas Research Hospital，IRCCS Humanitas Research Hospital，20089 Rozzano，20089年Rozzano，Italy italy，Italy; roberto.desire@libero.it 4胃肠病学部门，临床医学与外科系，那不勒斯大学费德里科二世，意大利80126那不勒斯5号临床实验室科学科学单位，罗马，00128，罗马，00128罗马，00128； s.angeletti@unicampus.it 6骨科部，里昂北大学医院，h'how pital de la croix rousse，Hospices Civils de Lyon，103 Grande Rue de la Croix Rousse，69004，法国里昂69004； sebastien.lustig@gmail.com 7医学和外科科学系，Catanzaro大学“ Magna Graecia”，意大利Catanzaro 88100； ammendolia@unicz.it 8肌肉骨骼健康研究中心，Musculoskeletalhealth@UMG，UMG，Catanzaro University of Catanzaro“ Magna Graecia”，88100年，意大利Catanzaro，意大利9号，993333 Leiden，Nerlands，2333 Leiden; n.c.budhiparama@gmail.com *通信：alessandro.desire@unicz.it2校园和创伤外科研究部门，医学与外科系，校园Bio-Medico di Roma，经Alvaro del Portillo，21，00128，00128，ROMA，ROMA，ITALY 3胃肠病学，内窥镜检查，IRCCS Humanitas Research Hospital，IRCCS Humanitas Research Hospital，20089 Rozzano，20089年Rozzano，Italy italy，Italy; roberto.desire@libero.it 4胃肠病学部门，临床医学与外科系，那不勒斯大学费德里科二世，意大利80126那不勒斯5号临床实验室科学科学单位，罗马，00128，罗马，00128罗马，00128； s.angeletti@unicampus.it 6骨科部，里昂北大学医院，h'how pital de la croix rousse，Hospices Civils de Lyon，103 Grande Rue de la Croix Rousse，69004，法国里昂69004； sebastien.lustig@gmail.com 7医学和外科科学系，Catanzaro大学“ Magna Graecia”，意大利Catanzaro 88100； ammendolia@unicz.it 8肌肉骨骼健康研究中心，Musculoskeletalhealth@UMG，UMG，Catanzaro University of Catanzaro“ Magna Graecia”，88100年，意大利Catanzaro，意大利9号，993333 Leiden，Nerlands，2333 Leiden; n.c.budhiparama@gmail.com *通信：alessandro.desire@unicz.it
在公共量子计算机上测试量子比特旋转的准确性
我们分析了 IBM 提供的公共量子计算机上 π /2 量子比特旋转测试的结果。我们测量绕随机轴旋转 π /2 的单个量子比特，并积累了大量结果统计数据。在不同设备上执行的测试表明，与理论预测存在系统性偏差，偏差程度达到 10 – 3 级。由于脉冲生成的非线性，超过 5 个标准差的一些差异无法通过简单的校正来解释。偏差幅度与门的随机基准测试相当，但我们还观察到明显的参数依赖性。我们讨论了偏差的其他可能原因，包括单量子比特空间以外的状态。对于在不同时间使用的各种设备，偏差具有相似的结构，因此它们也可以用作诊断工具，以消除不完善的门实现和对所涉及物理系统的忠实描述。
量子退火机上的经济学动态规划
量子计算，即操纵量子物理系统进行数值计算，有望显著加快许多科学问题（包括经济学问题）的解决速度。然而，实现量子加速不仅仅是将经典算法转化为量子等效算法。1 一般来说，这是不可能的。即使可能，也不会带来计算收益。相反，实现量子加速需要构建完全不同的算法，利用叠加、纠缠、干涉和隧穿等量子现象。为了应对这一挑战，我们提出了一组新颖的算法，用于在量子退火器 (QA) 上解决动态规划问题（例如经济学中出现的问题）。这种专门的量子装置使用物理过程执行组合优化。QA 将问题的参数嵌入量子系统中，该系统会演化以找到其最低能量配置。这相当于确定全局最小化损失函数的状态变量值（Farhi 等人，2000 年）。QA 试图解决传统计算机无法解决的 NP 问题，从所有状态的线性组合（量子叠加）开始，并在几毫秒内返回候选解决方案，而不管问题大小（Venegas-Andraca 等人，2018 年）。更具体地说，我们的论文做出了三个关键贡献：