摘要 量子退火是一种计算方法,其中优化和机器学习问题被映射到受量子涨落影响的物理实现的能量景观中,允许利用这些涨落来帮助找到世界上一些最具挑战性的计算问题的解决方案。最近,由于构建了基于通量量子比特的大规模量子退火设备,该领域引起了广泛关注。这些设备已经实现了一种称为反向退火的技术,允许在本地搜索解决方案空间,并且已经测试了基于这些技术的算法。在本文中,我开发了一种量子退火器算法设计的形式化,我称之为“推理原语”形式化。这种形式化自然适合于表达结构上类似于遗传算法的算法,但退火处理器执行组合交叉/变异步骤。我演示了如何使用这些方法来理解已经实现的算法,以及这些控制与当前为提高量子退火器性能而进行的各种其他努力的兼容性。
即使经过多年对随机增长模型(如首次和最后一次渗透和定向聚合物)的研究,许多问题在技术上仍然是神秘的或遥不可及的。例如,除了保证通过时间/自由能的线性增长率的基本形状定理之外,还存在亚线性波动,其渐近性尚未建立。即使在平面设置中,对于该设置,推测图景很清晰,但一般工具远不能使其严格。这与可积模型形成鲜明对比,可积模型的波动指数只是已证明的一小部分。在本文中,我们考虑了三个广泛研究的随机增长模型:首次渗透(FPP)、最后一次渗透(LPP)和随机环境中的定向聚合物。虽然这些模型在衡量增长的方式上有所不同,但它们都拥有一个大数定律,即增长率是渐近线性的。然而,更神秘的是亚线性波动。在二维版本中,这些模型被认为属于 Kardar–Parisi–Zhang 普适性类 [30],尤其是增长涨落的阶数为 n 1 / 3。除了 LPP 和定向聚合物具有精确可溶性的特殊情况外,严格的结果与这一目标相去甚远,在某些情况下甚至不存在。本文的目标有两个。首先,我们描述一种通用策略,用于证明随机变量序列(在定义 2.1 中明确定义)涨落阶的下界。该方法改编自第二作者最近在 [23] 中开发的技术。它很通用,因为它可以用于由独立同分布随机变量组成的各种问题,其中不对这些变量的共同分布做出任何假设。其次,我们应用该方法研究平面 FPP、LPP 和定向聚合物的生长涨落。在这三种情况下,我们都能证明 √ log n 阶波动的下限。此外,对于 FPP,我们扩展了形状
为了比较不同尺寸系统中的涨落,应该使用强度量,即对系统体积不敏感的量。此类量通过除以测量分布的累积量 κ i(最高为四阶)得出,其中 i 是累积量的阶数。对于二阶、三阶和四阶累积量,强度量定义为:κ 2 /κ 1、κ 3 /κ 2 和 κ 4 /κ 2。图 1 显示了 150 / 158 A GeV / c 时净电荷三阶和四阶累积量比的系统尺寸依赖性。测量数据与 EPOS 1.99 模型 [5, 6] 的预测一致。对带负电和带正电强子的相同量对系统尺寸依赖性的更详细检查(图 2)表明系统尺寸依赖性非常不同。此外,EPOS 1.99 模型均未重现所测量到的任何 h + 和 h − 量。这种不一致表明我们尚未完全理解引起涨落的底层物理原理。因此,需要进行更详细的研究。在寻找 CP 中,一个可能的工具是质子间歇性,它应该在 CP 附近遵循幂律涨落。可以通过研究二阶阶矩 F 2 ( M ) 随胞元大小或等效地随中速质子 (px , py ) 空间中胞元数量的变化来检查(见参考文献 [7, 8, 9])。对于实验数据,必须用混合事件减去非临界背景。减法后,二阶阶矩 ∆ F 2 ( M ) 应根据 M >> 1 的幂律缩放,得到的临界指数 φ 2 与理论预测相当 [10]。图 3 显示了半中心 Ar + Sc 相互作用中 150 A GeV / c 的 ∆ F 2 ( M )。图左侧和右侧之间的差异是所考虑的统计数据。左侧显示 2018 年发布的结果 [11]。这些结果表明 ∆ F 2 为正值,可能与 CP 有关。右侧显示相同的结果,但统计数据更高(208k
为了比较不同尺寸系统中的涨落,应该使用强度量,即对系统体积不敏感的量。此类量通过除以测量分布的累积量 κ i(最高为四阶)得出,其中 i 是累积量的阶数。对于二阶、三阶和四阶累积量,强度量定义为:κ 2 /κ 1、κ 3 /κ 2 和 κ 4 /κ 2。图 1 显示了 150 / 158 A GeV / c 时净电荷三阶和四阶累积量比的系统尺寸依赖性。测量数据与 EPOS 1.99 模型 [5, 6] 的预测一致。对带负电和带正电强子的相同量对系统尺寸依赖性的更详细检查(图 2)表明系统尺寸依赖性非常不同。此外,EPOS 1.99 模型均未重现所测量到的任何 h + 和 h − 量。这种不一致表明我们尚未完全理解引起涨落的底层物理原理。因此,需要进行更详细的研究。在寻找 CP 中,一个可能的工具是质子间歇性,它应该在 CP 附近遵循幂律涨落。可以通过研究二阶阶矩 F 2 ( M ) 随胞元大小或等效地随中速质子 (px , py ) 空间中胞元数量的变化来检查(见参考文献 [7, 8, 9])。对于实验数据,必须用混合事件减去非临界背景。减法后,二阶阶矩 ∆ F 2 ( M ) 应根据 M >> 1 的幂律缩放,得到的临界指数 φ 2 与理论预测相当 [10]。图 3 显示了半中心 Ar + Sc 相互作用中 150 A GeV / c 的 ∆ F 2 ( M )。图左侧和右侧之间的差异是所考虑的统计数据。左侧显示 2018 年发布的结果 [11]。这些结果表明 ∆ F 2 为正值,可能与 CP 有关。右侧显示相同的结果,但统计数据更高(208k
摘要:最近,提出了某种全息 Weyl 变换 CFT 2 来捕捉 AdS 3 /BCFT 2 对应关系的主要特征 [ 1 , 2 ]。在本文中,通过调整 Weyl 变换,我们模拟了一个广义的 AdS/BCFT 设置,其中考虑了 Karch-Randall (KR) 膜的涨落。在 Weyl 变换 CFT 的重力对偶中,由 Weyl 变换引起的所谓截止膜起着与 KR 膜相同的作用。与非涨落配置不同,在 2 d 有效理论中,额外的扭曲算子插入的位置与插入膜上的位置不同。虽然这在 Weyl 变换的 CFT 设置中是众所周知的,但在 AdS/BCFT 设置中,有效理论应该位于膜上的哪个位置却令人困惑。这种混淆表明 KR 膜可能是通过 Weyl 变换从边界 CFT 2 中出现的。我们还计算了波动膜结构中的平衡部分纠缠 (BPE),发现它与纠缠楔截面 (EWCS) 一致。这是对 BPE 和 EWCS 之间对应关系的非平凡测试,也是对 Weyl 变换 CFT 设置的非平凡一致性检查。
自由能是一种重要的热力学性质,它使得计算物理系统几乎所有的平衡性质成为可能,从而可以构建相图并预测传输、化学反应和生物过程。因此,有效计算自由能的方法引起了物理学和自然科学领域的广泛关注,而自由能通常是一个难题。大多数计算自由能的技术都针对经典系统,而对量子系统中自由能的计算则较少探索。最近开发的涨落关系使得从一组动态模拟中计算量子系统中的自由能差异成为可能。虽然在经典计算机上执行此类模拟难度极大,但量子计算机可以有效地模拟量子系统的动态。在这里,我们提出了一种算法,该算法利用一种称为 Jarzynski 等式的涨落关系来在量子计算机上近似量子系统的自由能差异。我们讨论了在什么条件下我们的近似值会变得精确,以及在什么条件下它充当严格的上限。此外,我们成功地在真实的量子处理器上使用横向场 Ising 模型证明了我们的算法的概念。随着量子硬件的不断改进,我们预计我们的算法将能够计算自然科学中各种量子系统的自由能差异。
目的。太阳轨道器 (SolO) 于 2020 年 2 月 9 日发射,使我们能够研究内日球层湍流的性质。我们使用几乎不可压缩磁流体动力学 (NI MHD) 湍流模型和 SolO 测量研究了内日球层快速和慢速太阳风中各向异性湍流的演变。方法。我们计算了前向和后向传播模式下能量、波动磁能、波动动能、归一化残余能量和归一化交叉螺旋度的二维 (2D) 和平板方差,作为平均太阳风速度和平均磁场 (θ UB ) 之间角度的函数,以及作为日心距离的函数,使用 SolO 测量。我们比较了观测结果和 NI MHD 湍流模型的理论结果与日心距离的关系。结果。结果表明,前向和后向传播模式、磁场涨落和动能涨落的二维能量与平板能量之比随着平均太阳风流与平均磁场之间的夹角从 θ UB = 0 ◦ 增加到大约 θ UB = 90 ◦ 而增加,然后随着 θ UB → 180 ◦ 而减小。我们发现太阳风湍流是太阳中心距离函数中占主导地位的二维分量和少数平板分量的叠加。我们发现理论结果与观测结果在太阳中心距离函数中具有很好的一致性。
量子相变中的多体物理学表明,在低温极限下,量子涨落和热涨落之间存在微妙的相互作用。在这篇综述中,我们首先从教学角度介绍这种背景下系统的平衡行为,其缩放框架主要是通过利用量子到经典映射和连续相变临界现象的重正化群理论来开发的。然后,我们专门讨论涉及非平衡量子动力学的协议,例如瞬时淬灭和量子跃迁的缓慢通道。这些主要是在动态缩放框架内讨论的,该框架是通过适当扩展平衡缩放定律获得的。我们还回顾了一阶量子跃迁的现象,其特殊的缩放行为的特点是对边界条件极其敏感,从而导致同一块体系统的指数或幂律。在最后一部分中,我们通过对量子跃迁的动态缩放进行适当的概括,介绍了与环境耗散相互作用的影响相关的方面。介绍仅限于与封闭多体系统产生的量子跃迁有关并受其控制的问题,将耗散视为临界状态的扰动,就像零温度量子跃迁的温度一样。我们重点关注导致临界模式与各种耗散机制之间非平凡相互作用的物理条件,通常在所涉及的机制仅激发量子跃迁的低能模式时实现。
在这样的日子里,当大海平静无波时,一群群旅行者坐在甲板上,注视着两边的海岸。它们彼此相距多近啊,欧洲最南端和非洲最北端之间只有九英里的距离!也许它们曾经汇合在一起,形成一条山脉,将大海与海洋分隔开来。但自从屏障被打破后,海水就以不可抗拒的力量冲了过去。从船的一侧望去,我们注意到洋流正在向东流去,如果不是它从不回头的话,这并不会让人感到惊讶。地中海是一片无潮汐的海洋:它不会涨落,而是不断地向同一方向倾泻巨大的水量。地理学家告诉我们,这是大自然的安排,以补充大海东端蒸发量更大的废物。但这只能让我们部分满意,因为当这股洋流在水面上流动时,还有另一股洋流,尽管可能更微弱,但它在相反的方向流动。在数百或数俄丈深的深海中,一条隐蔽的墨西哥湾流正回流到海洋的怀抱中。这种洋流系统是我们尚未完全理解的奥秘之一。似乎有一种灵魂不仅在水面上移动,而且在水中移动;仿佛深海是一个活的有机体,它的涨落就像人体血液的循环。或者我们应该说,这条上层洋流代表着生命之流,如果不是在深海深处,过剩的生命被黑暗中流淌的死亡之水所缓解,这条洋流似乎会过满?