XiaoMi-AI文件搜索系统
World File Search System猜想
Navascués、Pironio 和 Acín 的等级制度
在本讲座中，我们将定义和研究一类非局部博弈的策略，称为通勤测量策略，或称为通勤算子策略。这些策略包括所有纠缠策略，其含义稍后会更加精确——不久前，Slofstra 证明了这种包含是正确的 [ arXiv:1606.03140 ]。最近，Ji、Natarajan、Vidick、Wright 和 Yuen [ arXiv:2001.04383 ] 宣布了纠缠和通勤测量策略类所定义的值不同的证明，其中我们取这两类策略的最高获胜概率。但请注意——这篇论文长达 200 多页。这驳斥了冯·诺依曼代数主题中著名的 Connes 嵌入猜想，因此它值得每一页的篇幅。然后，我们将分析 Navascués、Pironio 和 Acín 的半定规划层次结构，即众所周知的 NPA 层次结构，它为我们提供了统一的半定规划系列，这些规划收敛到任何非局部博弈的通勤测量值。事实上，这个结果是 Ji、Natarajan、Vidick、Wright 和 Yuen 证明中的一个必要元素。
经典物理学的三个非局部定理
本文始于对传统因果关系和地区概念的调查。本文介绍了特殊相对论和计算机科学的第一个非平凡综合，详细介绍了[EPS]中包含三个定理的工作，证明了古典物理学本身是非本地的。因此，第2和第3节中详细介绍的局部因果关系的概念不再适用于古典物理学。再次，这是有经过验证的定理，而不是假设或猜想的。具有动力学非局部性，我们将详细介绍算法熵是非局部性的半度性定义的算法。所有闭合和孤立的系统随着时间的流逝而在整个宇宙中演变而来，具有未同步的算法熵。具有统一的非局部性，存在算法时，如果可以访问停止序列，则可以推断出具有类似空间分离的系统的算法熵分数。具有相关性非局部性，我们表明，在宇宙中的所有系统中，熵的第二种算法定义是粗粒熵的。
Jason M. Eisner-约翰·霍普金斯计算机科学可鲁棒分析的神经纹理可变形网格 -
人类的视野比在分布外情景下表现出的鲁棒性更高。它已经通过逐个合成的分析来猜想这种鲁棒性益处。我们的论文通过通过渲染和能力算法在神经特征上进行近似分析，以一致的方式制定三重视觉任务。在这项工作中，我们引入了神经丝线可变形的网格（NTDM），该网格涉及具有变形几何形状的OBJECT模型，该模型允许对摄像机参数和对象几何形状进行优化。可变形的网格被参数化为神经场，并被全表面神经纹理图所覆盖，该图被训练以具有空间歧视性。在推断过程中，我们使用可区分渲染来最大程度地重建目标特征映射，从而提取测试图像的特征图，然后对模型的3D姿势和形状参数进行优化。我们表明，在现实世界图像，甚至在挑战分布外情景（例如闭塞和主要转变）上进行评估时，我们的分析比传统的神经网络更强大。在经常性能测试测试时，我们的算法与标准算法具有竞争力。
巨大的量子加速需要多少结构？
我面向广大科学界人士，介绍了三十年来哪些类型的问题可以通过量子计算机实现指数级加速的研究——从经典算法（如 Simon 和 Shor 的算法）到 2022 年 4 月 Yamakawa 和 Zhandry 的突破。我既讨论了量子电路模型（这是我们在实践中最终关心的，但我们的知识根本不完整），也讨论了所谓的 oracle 或黑盒或查询复杂性模型，我们已经设法获得了更为透彻的理解，然后为我们对电路模型的猜想提供了信息。我讨论了将注意力转移到采样任务上的优缺点，就像在最近的量子霸权实验中所做的那样。我对广泛重复的关于实际机器学习和优化问题的指数量子加速的说法提出了一些怀疑。通过许多例子，我试图传达“奇异守恒定律”，根据该定律，每个允许指数量子加速的问题都必须具有一些不寻常的属性，以允许振幅集中在未知的正确答案上。2022 年 5 月 21 日在比利时布鲁塞尔举行的第 28 届索尔维物理会议上发表的报告员演讲的编辑记录。
与无荡险密码学的应用同时无法区分性
无统治的密码学关注的是利用无关原则来构建否则不可能实现经典实现的加密原则。理解不统治的加密的可行性，这是一个关键的不统一的基础之一，满足普通模型中无法区分的安全性是该地区的一个主要开放问题。到目前为止，无统治加密的现有构造要么在量子随机甲骨文模型中，要么基于新的猜想。我们提出了一种新的方法来通过简化有关非本地量子状态歧视的新奇问题来进行无统治的加密方法：非沟通（但纠结）的玩家如何区分不同的分布而不是量子状态？我们将此任务同时称为状态。我们的主要技术结果表明，玩家无法区分每个接收独立选择的HAAR随机状态与所有接收相同HAAR随机状态的玩家。我们利用此结果在平原模型中使用量子解密密钥的首次构建不可吻合的加密可满足不合格性的安全性。我们还对单分隔符的加密和泄漏 - 弹性的秘密共享显示了其他影响。
弦理论中黑洞熵的概念分析
1996 年，安德鲁·斯特罗明格和卡姆伦·瓦法对极端 Reissner-Nordstr¨om 黑洞的微观状态计数已被证明是弦理论的核心成果。本文以哲学读者为中心，在当代背景下介绍该论证，并分析其相当复杂的概念结构。特别是，我们将确定它所依赖的各种理论间关系，例如对偶性和链接关系。我们进一步旨在阐明为什么该论证立即被认为是对该黑洞熵的成功解释，以及它如何引发旨在加强黑洞弦理论分析的后续工作。我们将简要讨论它与 AdS/CFT 猜想公式的关系，并给出在 AdS/CFT 对应关系背景下对熵计算的熟悉重新解释。最后，我们讨论了 Strominger 和 Vafa 的黑洞熵微观解释对黑洞信息悖论的启发作用。配套论文分析了 Strominger-Vafa 黑洞状态的本体论、黑洞从 D 膜集合中出现的问题以及对应原理在弦理论黑洞背景下的作用。
离壳弦 II：黑洞熵 摘要 目录
1994 年，Susskind 和 Uglum 提出，有可能从弦理论中推导出贝肯斯坦-霍金熵 A / 4 GN。在本文中，我们解释了这一论点的概念基础，同时阐明了它与诱导引力和 ER = EPR 的关系。根据 Tseytlin 的离壳计算，我们明确地从 α ′ 的领先阶球面图中推导出经典闭弦有效作用。然后，我们展示了如何利用这一点从圆锥流形上的 NLSM 的 RG 流中获得黑洞熵。 （我们还简要讨论了 Susskind 和 Uglum 提出的更成问题的“开弦图景”，其中弦在视界结束。）然后，我们将这些离壳结果与使用壳上 C / ZN 背景的竞争对手“轨道折叠复制技巧”进行比较，后者不考虑领先阶贝肯斯坦-霍金熵——除非允许快子在轨道折叠上凝聚。探讨了与 ER = EPR 猜想的可能联系。最后，我们讨论了各种扩展的前景，包括在 AdS 本体中推导出全息纠缠熵的前景。
量子最大流/最小割
经典的最大流最小割定理描述了通过某些理想化的经典网络的传输。我们考虑张量网络的量子模拟。通过将整数容量与流网络中的每个边相关联，将张量与流网络中的每个顶点相关联，我们也可以将其解释为张量网络，更具体地说，是从输入空间到输出空间的线性映射。量子最大流被定义为此线性映射在所有张量选择上的最大秩。量子最小割被定义为张量网络所有割线上边容量的最小乘积。我们表明，与经典情况不同，量子最大流 = 最小割猜想通常不成立。在某些条件下，例如，当每条边的容量是某个固定整数的幂时，量子最大流被证明等于量子最小割。但是，也提供了等式不成立的具体例子。我们还发现了量子最大流/最小割与纠缠熵和量子可满足性问题之间的联系。我们推测，所揭示的现象可能对凝聚态自旋系统和量子引力都有意义。由 AIP Publishing 出版。[http://dx.doi.org/10.1063/1.4954231]
分解方法的稀疏时空脑 -
摘要 - 准确的技术在解决大量数据的各种问题方面具有无限的作用。但是，这些技术尚未显示出处理脑信号的脑部计算机界面（BCIS）的竞争性能。基本上，脑信号很难大量收集，特别是在自发的BCI中，信息量将很少。此外，我们猜想任务之间的高空间和时间相似性增加了预测的困难。我们将这个问题定义为稀疏条件。为解决此问题，引入了分解方法，以允许该模型从潜在空间中获得不同的表示。为此，我们提出了两个特征提取器：通过对抗性学习作为发电机的对抗性学习进行训练；特定于类的模块利用分类产生的损失函数，以便使用传统方法提取功能。为了最大程度地减少班级和类别特征共享的潜在空间，该模型是在正交约束下训练的。因此，将脑电图分解为两个独立的潜在空间。评估是在单臂运动图像数据集上进行的。从结果中，我们证明了分解脑电图信号允许模型在稀疏条件下提取富裕和决定性的特征。
掩盖纯态和混合态中编码的量子信息
摘要：量子信息的掩蔽意味着信息从子系统中隐藏，并分散到复合系统中。Modi 等人在 [Phys. Rev. Lett. 120, 230501 (2018)] 中证明，对于某些非正交量子态的受限集，掩蔽是正确的，而对于任意量子态，掩蔽是不可能的。在本文中，我们分别讨论了掩蔽纯态和混合态中编码的量子信息的问题。基于已建立的纯态集被算子掩蔽的必要条件和充分条件，我们发现存在一组四个不能被掩蔽的状态，这意味着掩蔽未知的纯态是不可能的。我们构造了一个掩蔽器 S ♯ 并获得了其最大可掩蔽集，从而对上述 Modi 论文中提出的猜想给出了肯定的回答。我们还证明了纯态的正交（或线性无关）子集可以通过等距（或注入）进行掩蔽。将纯态的情况概括起来，我们引入了一组混合态的可掩蔽性，并证明混合态的交换子集可以被等距 S ⋄ 掩蔽，但任何算子都不可能掩蔽所有混合态。我们还分别找到了等距 S ♯ 和 S ⋄ 的混合态的最大可掩蔽集。