XiaoMi-AI文件搜索系统
World File Search System演化
白矮星的新 C/O 相图
白矮星的持续冷却过程中，会发生一些影响其冷却速度的事件。这些事件中最重要的就是其核心结晶，这是 C / O 内部冷却到临界温度以下时发生的相变。这种转变会释放潜热，以及由于凝固过程中 C 和 O 离子重新分布而产生的引力能，从而减缓白矮星的演化。最近报道了核心结晶的明确观测特征——冷却序列中的物体堆积。然而，现有的演化模型很难定量地再现这种特征，因此在用于测量恒星群年龄时，其准确性令人怀疑。结晶过程中释放的能量的时间和数量取决于 C / O 相图的确切形式。利用先进的 Gibbs-Duhem 积分法和最先进的固相和液相 Monte Carlo 模拟，我们获得了非常精确的相图版本，可以精确模拟相变。尽管取得了这种改进，但当前的演化模型仍然低估了结晶堆积的程度。我们得出结论，潜热释放和 O 沉降本身不足以解释这些观察结果，其他未解释的物理机制（可能是 22 Ne 相分离）起着重要作用。
克利福德幺正体的周期量子电路 - 伦敦大学学院发现
局部和时间周期动力学与随机幺正有多相似？在本研究中，我们使用量子计算中的 Clifford 形式来解决这个问题。我们分析了一个无序的 Floquet 模型，该模型的特点是在一个空间维度中存在一系列局部、时间周期和随机量子电路。我们观察到，演化算子在周期的半整数倍时享有额外的对称性。据此，我们证明，在扰乱时间之后，即当任何初始扰动传播到整个系统时，当所有量子位都用 Pauli 算子测量时，演化算子无法与 (Haar) 随机幺正区分开来。这种不可区分性随着时间的推移而降低，这与更受研究的 (时间相关) 随机电路的情况形成了鲜明对比。我们还证明了 Pauli 算子的演化表现出一种混合形式。这些结果要求局部子系统的维度很大。在相反的状态下，我们的系统显示出一种新颖的局部化形式，它是由有效的单侧壁产生的，它可以防止扰动从一个方向穿过侧壁，但不能从另一个方向穿过侧壁。
量子计算算法的实时 Krylov 理论
量子计算机提供了获取难以在传统硬件上模拟的系统的基态和激发态特性的替代途径。使用实时演化生成的子空间的新方法已显示出提取特征态信息的效率，但此类方法的全部功能仍未得到理解。在最近的工作中，我们开发了变分量子相位估计 (VQPE) 方法，这是一种使用量子硬件提取特征值的紧凑而高效的实时算法。在这里，我们在此基础上从理论和数值上探索了一种广义 Krylov 方案，其中 Krylov 子空间是通过参数化的实时演化构建的，适用于 VQPE 算法以及其他算法。我们建立了一个错误界限，证明了我们的谱近似的快速收敛性。我们还推导出如何通过实时子空间对角化来抑制与高能本征态的重叠，并可视化了在特定本征能量下显著相位抵消的过程。我们研究了各种算法实现，并考虑了当以谱统计形式将随机性添加到目标哈密顿量时的性能。为了证明这种实时演化方法的实用性，我们讨论了它在量子计算的基本问题中的应用，例如强关联系统的电子结构预测。
里根，罗纳德。NSDD-42。“国家太空政策。”国家……
开发、运行和探索科学、应用和技术。这些计划的主要目标是：（1）保持美国在关键太空活动中的领先地位，以便继续开发和探索太空；（2）开展研究和实验，以扩大对以下方面的了解：（a）通过长期的天体物理观测，了解天体物理现象和宇宙的起源和演化；（b）地球及其环境，以及它与太阳的动态关系；（c）通过太阳、行星和月球科学与探索，了解太阳系的起源和演化；（d）太空环境和技术，以推进生物科学知识；（3）继续探索与永久太空设施相关的要求、操作概念和技术；（4）对先进技术和系统进行适当的研究和实验，为未来的民用应用奠定基础。
量子传感的最佳发生器
我们提出了一种计算效率高的方法来推导量子态最敏感的幺正演化。这使我们能够确定纠缠态在量子传感中的最佳用途，即使在复杂系统中，当正则压缩示例的直觉失效时也是如此。在本文中，我们表明，使用给定量子态可获得的最大灵敏度由量子 Fisher 信息矩阵 (QFIM) 的最大特征值决定，而相应的演化由重合的特征向量唯一确定。由于我们优化了参数编码过程，而不是专注于状态准备协议，因此我们的方案适用于任何量子传感器。该过程通过 QFIM 的特征向量确定具有最佳灵敏度的最大交换可观测量集，从而自然地优化了多参数估计。
期刊论文格式 - Global Vision Press
1 电子科技大学计算机科学与工程学院 成都 611731；警察学院 成都 2 电子科技大学计算机科学与工程学院 成都 3 警察学院 成都 610213，wjwrc@163.com，611731fzhang@uestc.edu.cn，179415437@qq.com 摘要 人体神经系统是多传感器环境下最灵活的信息融合体系结构。论文通过对人脑神经元的演化历程和信息融合系统融合单元的演化过程的比较研究，提出了一种分布式信息融合系统的演化体系结构，该体系结构是信息融合体系结构演化的一种高级形式，它可以根据网络系统不同的任务、外界环境和网络系统的状态自动形成目前所知的最有效的信息融合体系结构，更有效的达到融合目的。
非均匀磁场作为量子速度极限的助推器
量子速度极限 (QSL) 定量估计了量子信息处理的速度 [1]。其历史根源深深植根于量子力学的基础中。因此，QSL 的首次出现是在能量-时间不确定关系的背景下 [2]。QSL 时间设定了两个量子态之间演化时间的下限。受海森堡能量-时间不确定原理的启发，Mandelstam、Tamm (MT) [2] 和 Margolus、Levitin (ML) [3] 推导出量子系统在状态之间演化所需的最短时间界限。这些界限结合起来，为封闭量子系统提供了 QSL 时间的严格界限。它们最初是为连接两个正交态的演化而开发的，随后被推广到任意初始混合态以及非正交态之间的演化 [4]。最近开发了另一种基于状态间几何距离的方法 [5]。近十年来，在开放量子系统 [ 6 ] 的背景下，QSL 的定义得到了发展 [ 7 – 9 ]。QSL 的概念已用于阐明量子信息 [ 10 ， 11 ]、开放系统 [ 12 – 15 ]、量子系统控制 [ 16 ] 和量子热力学 [ 17 ， 18 ] 的各个方面。此外，利用因果关系和热力学，重要的 Bremermann-Bekenstein 边界 [ 19 ， 20 ] 将每比特信息的能量成本与 QSL 时间联系起来。QSL 概念可用于解决的另一个基本问题是量子态的固有稳定性 [ 21 ]。近年来，量子信息思想与相对论量子力学的相互影响尤为卓有成效。相对论量子模拟影响了 Leggett–Garg 不等式 [ 22 , 23 ]、弯曲时空探测 [ 24 ]、几何相位 [ 25 ] 和中微子和中性介子等亚原子粒子相干性 [ 26 ] 的发展。它还引发了对 Unruh 效应的研究 [ 27 ]。此外，在最近的一项研究中 [ 28 ]，研究了非局域性对信息传播速率（以蝴蝶速度为特征）的影响，结果表明，随着磁场的增大，非局域性会增大。
受最优状态转移启发的组合优化快速量子方法
在组合优化问题中，例如 MAX-CUT 或 TRAVELLING-SALESPERSON [ 1 ]，目标是从某个初始状态演化到编码优化问题解的最终状态。一种方法可能是绝热演化，将每个初始状态和最终状态编码为某个汉密尔顿量的基态，并在它们之间足够缓慢地插值。在实践中，这种方法受到插值汉密尔顿量的最小谱隙的限制 [ 2 , 3 ]。这种方法被称为绝热量子优化 (AQO) [ 4 – 8 ]。在缺乏成熟硬件的情况下，AQO 依靠绝热原理作为指导设计原则。反过来，AQO 导致了量子退火 (QA)。与 AQO 类似，QA 试图在初始和最终汉密尔顿量之间连续插值。QA 表示一种更广泛的
利用机器学习对时间相关量子哈密顿量进行断层扫描
相互作用的量子汉密尔顿量是量子计算的基础。时间无关的量子汉密尔顿量的基于数据的断层扫描已经实现，但一个开放的挑战是使用从一小部分自旋局部获取的时间序列测量来确定时间相关的量子汉密尔顿量的结构。物理上，自旋系统在时间相关驱动或扰动下的动态演化由海森堡运动方程描述。受这一基本事实的启发，我们阐明了一个物理增强的机器学习框架，其核心是海森堡神经网络。具体来说，我们根据基于海森堡方程的一些物理驱动损失函数开发了一种深度学习算法，该算法“强制”神经网络遵循自旋变量的量子演化。我们证明，从局部测量中，不仅可以恢复局部汉密尔顿量，而且还可以忠实地重建反映整个系统相互作用结构的汉密尔顿量。我们在各种结构的自旋系统上测试了我们的海森堡神经机。在仅从一次自旋进行测量的极端情况下，实现的断层扫描保真度值可以达到约 90%。开发的机器学习框架适用于任何时间相关系统，其量子动力学演化受海森堡运动方程控制。