XiaoMi-AI文件搜索系统
World File Search System求解
求解范围3难题
作者要以按字母顺序为以下个人来审查并提供有关本文早期版本的有价值的反馈和建议：Jennifer Bender（State Street Global Advisors）； Ginevra Berti-Mei（Norges银行投资管理）；丹尼尔·加拉格尔（Daniel Gallagher）（PRI）；帕特里克·杜普莱西斯（Norges Bank Investment Management）；理查德·曼利（Richard Manley）（CPP投资）； Udo Riese（Allianz SE）； Faith Ward（Brunel养老金伙伴关系，IIGCC）。在LSEG，David Harris，Solange Le Jeune，Hannah Layman和Arne Staal也提供了深思熟虑的投入和支持。审稿人以其个人身份提供反馈，不一定认可报告的发现或建议。所有错误和遗漏仍然是作者的唯一责任。
量子 QAP 求解器
图上的组合优化 (CO) 是一个关键但具有挑战性的研究课题。最近的量子算法为解决 CO 问题提供了新的视角，并有可能展示出量子优势。量子近似优化算法 (QAOA) 是一种众所周知的由参数量子电路构建的 CO 量子启发式算法。然而，QAOA 最初是为无约束问题设计的，电路参数和解是通过耗时的迭代联合求解的。在本文中，我们提出了一种新颖的量子神经网络 (QNN)，用于以监督的方式学习 CO 问题，以获得更好、更快的结果。我们专注于具有匹配约束和节点置换不变性的二次分配问题 (QAP)。为此，设计了一种称为 QAP-QNN 的量子神经网络来将 QAP 转换为受约束的顶点分类任务。此外，我们在 TorchQauntum 模拟器上研究了两个 QAP 任务：图匹配和旅行商问题，并通过实证证明了我们方法的有效性。
基于增量和平行SAT求解
量子计算（QC）是一种新的计算范式，有望比各个域中的经典计算大幅加速。但是，近期QC面临许多挑战，包括有限的量子连接性和嘈杂的量子操作。要解决量子连接约束，在量子计算机上执行量子电路是必需的。此过程涉及执行初始量子位置并使用量子交换操作来重新安置最近的静脉相互作用。减少电路映射中的互换计数对于提高量子电路执行的成功率至关重要，因为掉期昂贵且容易出错。在这项工作中，我们通过结合增量和并行解决布尔满意度（SAT）来引入一种新颖的电路映射方法。我们提出了用于电路映射问题的创新SAT编码，该编码可显着改善基于求解器的映射方法，并在编译质量和编译时间之间提供平稳的权衡。通过在2种不同的量子计算机拓扑上涵盖3种量子算法的78个实例的全面基准测试，我们证明我们的方法比基于最先进的求解器的方法快26××，从而将汇编时间从数小时减少到数分钟的时间来减少重要的量子应用。我们的方法还超过了现有的启发式算法的掉期数量26％。
量子求解线性微分方程
许多现实世界现象的数学描述都是用微分方程来表述的。它们是描述基于函数导数的函数的方程，用于模拟计算流体动力学、量子力学和电磁学等领域的各种物理现象，也用于金融、化学、生物和许多其他领域 [8]。例子包括物理学中的热方程、波动方程和薛定谔方程、金融中的布莱克-舒尔斯方程以及化学中的反应扩散方程。由于它们是一种广泛使用的工具，因此研究如何使用量子算法来求解微分方程以及它们是否能比传统方法提供更快的速度是很有意义的。我们将首先简要了解线性微分方程，特别是泊松方程，以及它们离散化为线性方程组，然后介绍量子线性系统求解器 (QLSS) 并将其与经典方法进行比较。
分支机构和QUBO求解器
在两个实际应用程序中，在两个方面（例如项目和用户，项目和市场）之间的匹配是必不可少的任务。双方图匹配已被研究为模拟这两个方面之间的这种匹配的基本问题[1]。通常应用了两分匹配的加权变体，以从相关的权重和在两部分图上定义的某些全局目标函数方面找到最佳的匹配。个体权重可以代表各种指标，例如价格，距离，时间和概率。匹配的现实世界应用包括儿童与学校之间的匹配[2，3]，资源分配[4，5]和运输[6，7]。在另一类设置中，可以在某些概率语义上定义边缘的权重以表示直觉现象[8]。从与匹配有关的优化观点，尤其是在运输方面，使用模糊逻辑进行直觉现象的其他相关研究可以在库马尔[9，10]中找到。以前，已经研究了参与者（例如平台/服务提供商和个人用户）所需的几个全球属性，以进行双分部分匹配。一个例子是考虑与所陈述的偏好稳定匹配（例如，关于另一侧的项目的偏好）[11]。代表首选项的其他示例包括使用排名的元素列表来表示偏好和使用实用程序值来量化偏好（例如[12--14]）。
用量子混合算法求解大规模线性方程组
当今的中型量子计算机虽然不完美，但已经能够执行明显超出现代经典超级计算机能力的计算任务。然而，到目前为止，量子大规模解决方案仅针对有限的问题集实现。这里采用基于相位估计和电路宽度和深度的经典优化的混合算法来解决科学和工程领域中普遍存在的一类特定大型线性方程组。引入了基于相关相位估计幺正运算的纠缠特性的线性系统分类，从而能够通过简单的矩阵到电路映射高效地搜索解决方案。在几台 IBM 量子计算机超导量子处理器上实现了一个 2 17 维问题，这是量子计算机解决线性系统的破纪录结果。演示的实现为未来线性方程组解的量子加速探索设定了明确的基准。
量子启发式求解器的基准......
最近，受量子退火的启发，许多专门用于无约束二元二次规划问题的求解器已经开发出来。为了进一步改进和应用这些求解器，明确它们对不同类型问题的性能差异非常重要。在本研究中，对四种二次无约束二元优化问题求解器的性能进行了基准测试，即 D-Wave 混合求解器服务 (HSS)、东芝模拟分叉机 (SBM)、富士通数字退火器 (DA) 和个人计算机上的模拟退火。用于基准测试的问题是 MQLib 中的真实问题实例、随机不全相等 3-SAT (NAE 3-SAT) 的 SAT-UNSAT 相变点实例以及 Ising 自旋玻璃 Sherrington-Kirkpatrick (SK) 模型。对于 MQLib 实例，HSS 性能排名第一；对于 NAE 3-SAT，DA 性能排名第一；对于 SK 模型，SBM 性能排名第一。这些结果可能有助于理解这些求解器的优点和缺点。
铁电体通用热力学求解器
− − 是一个基于 Landau-Ginzburg-Devonshire (LGD) 理论计算铁电单晶和薄膜热力学单畴平衡态及其特性的程序。利用 SymPy 库的符号操作，可以求解控制方程以及适当的边界条件，从而快速最小化晶体的自由能。利用流行的差分进化算法，通过适当的混合，可以轻松生成多个相图，例如块体单晶的压力-温度相图和单畴薄膜系统的常见应变-温度相图。此外，可以同时计算稳定铁电相的多种材料特性，包括介电、压电和电热特性。对薄膜和单晶系统进行了验证研究，以测试开源程序的有效性和能力。
使用量子虚时间演化求解 MaxCut
摘要 我们介绍了一种基于量子虚时间演化 (QITE) 有效解决 MaxCut 问题的方法。我们采用线性 Ansatz 进行幺正更新和不涉及纠缠的初始状态，以及在给定图和切除两个边的子图之间插值的虚时间相关哈密顿量。我们将该方法应用于数千个随机选择的图，最多有 50 个顶点。我们表明，对于所有考虑的图，我们的算法表现出 93% 及以上的性能，可以收敛到 MaxCut 问题的最大解。我们的结果与贪婪算法和 Goemans-Williamson 算法等经典算法的性能相比毫不逊色。我们还讨论了 QITE 算法的最终状态与基态的重叠作为性能指标，这是其他经典算法所不具备的量子特征。