XiaoMi-AI文件搜索系统
World File Search System相位
第 28 章：量子相位估计 - SJSU ScholarWorks
之后，使用受控门。使用的受控门类型与 Z 门相关，我们正在寻找其特征值相位。如果我们要找到另一个门/酉矩阵（例如NOT 门）的特征值相位，我们需要使用与该新门相关的受控门（例如CNOT 门）。我说它与 Z 门相关，因为除了受控 Z 门之外，它还使用受控 Z k 门，其中 k = 2 l ，l 从 0 到 n − 1。再次，n 是 c 寄存器中的量子比特数。受控 Z k 门意味着，对于基态，如果控制量子位为 0，它对目标量子位不起作用。如果控制量子位为 1，它将对目标量子位应用 Z k 门。控制量子位是 c 寄存器中的量子位之一，目标量子位是 b 寄存器中的量子位。c 寄存器中的每个量子位都充当受控门之一的控制位。Z k 门相当于应用 Z 门 k 次。在这种情况下，l 从 0 到 1，因此 k 可以是 1 或 2。因此，c 寄存器的量子位 0 连接到 l = 0 的受控 Z k，而 c 寄存器的量子位 1 连接到 l = 1 的受控 Z k。换句话说，c 寄存器的量子位 0（较低有效位）是受控 Z 2 0 门的控制量子位，即受控 Z 门。而 c 寄存器的量子位 1（较高有效位）是受控 Z 2 1 门的控制量子位，即受控 Z 2 门。当应用受控的 Z k 门时，b 寄存器量子比特会发生什么？请注意，b 寄存器具有 Z 的特征向量。因此，根据等式，该操作将给出 Z 的特征值。( 28.11 )。也就是说，U PS,π | e 1 ⟩= Z | e 1 ⟩= e i 2 π 1
任务相位：自动化课程从演示中学习
将强化学习（RL）应用于稀疏的奖励 - 众所周知，由于指导信号不足，因此具有挑战性。解决此类领域的常见RL技术包括（1）从演示中学习和（2）课程学习。虽然已经详细研究了这两种方法，但很少将它们一起考虑。这是通过引入原则性的任务相位方法来自动生成课程序列来做到这一点的。使用（Subopti-Mal）演示的逆RL我们定义了一个简单的初始任务。然后，我们的任务相位方法提供了一个框架，以逐步将任务的复杂性一直延伸到目标任务，同时在每次估算中重新调整RL代理。考虑了两种相位的方法：（1）逐渐增加RL代理所控制的时间步骤的比例，以及（2）逐步淘汰指导性的信息奖励功能。我们提出的条件可以保证这些方法融合到最佳政策。对3个稀疏奖励域的实验结果表明，我们的任务相对于渐近性能，我们的任务逐步实现了最先进的方法。
量子信号中有效的相位因子评估...
量子信号处理（QSP）是一种强大的量子算法，可准确在量子计算机上实现矩阵多项式。基于QSP的量子算法的渐近分析表明，对于一系列任务，例如Hamiltonian模拟和量子线性系统问题，可以原理获得渐近最佳的结果。QSP的进一步好处是，它使用了最少数量的Ancilla Qubits，这有助于其对近中间术语量子体系结构的实现。但是，到目前为止，还没有经典稳定的算法可以计算构建QSP电路所需的相位因子。现有方法需要使用可变精度算术，并且只能应用于相对较低程度的多项式。我们在这里提出了一种基于优化的方法，该方法可以使用标准的双精度算术操作准确地计算相位因子。我们通过应用于汉密尔顿模拟，特征值过滤和量子线性系统问题的应用来证明这种方法的性能。我们的数值结果表明，优化算法可以发现相位因子准确地近似于大于10，000的多项式，误差低于10-12。
一类广义特征值问题的量子相位估计
免责声明 本文件为美国政府机构赞助工作的记录。美国政府、劳伦斯利弗莫尔国家安全有限责任公司及其任何雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，也不承担任何法律责任或义务，也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务并不一定构成或暗示美国政府或劳伦斯利弗莫尔国家安全有限责任公司对其的认可、推荐或支持。本文表达的作者观点和意见不一定代表或反映美国政府或劳伦斯利弗莫尔国家安全有限责任公司的观点和意见，不得用于广告或产品代言目的。
平面约瑟夫森交界处的相位敏感信息
著名的是，在高温高温超导体中，超导顺序的相位敏感测量[1-7]解决了有关顺序参数对称的正在进行的辩论，这表明了这些关键事实是这些是D-Wave超级导体。当前正在研究的大多数材料系统都在高度分层（即Quasi-Two维度），例如丘比特，或者是明确的二维（2D），例如由Van-der Waals Materi-Materi-Materi-siali-s Materi-siles制成的各种明确的二维铺设结构，尤其是石墨烯。因此，鉴于此类边缘的复杂性质，原始库酸酯实验中使用的类似物的边缘连接通常很难解释，有时很难解释。相反，许多准2D材料相对容易裂解，使得表面的正常（因此“ z”方向）是导向最少的方向。在2D材料的情况下，这种几何考虑仍然更清楚。
Sophie：使用光学地址的相位更改内存
摘要 - 问题是在统计物理，电路设计和机器学习等各个领域中普遍存在的非确定性多项式（NP-HARD）问题。它们对传统算法和art虫提出了重大挑战。研究人员最近开发了自然启发的Ising机器，以有效解决这些优化问题。可以将许多优化问题映射到Ising模型，物理定律将使Ising机器朝解决方案驱动。但是，现有的Ising机器遭受可伸缩性问题的损失，即，当问题大小超过其身体容量时，性能下降。在本文中，我们提出了索菲（Sophie），这是一种基于可扩展的光相变位数（OPCM）的ISIN引擎。索菲（Sophie）构建建筑，算法和设备优化，以应对Ising机器中的可扩展性挑战。我们使用2.5D集成来构建Sophie，在其中我们集成了控制器chiplet，dram chiplet，激光源和多个opcm chiplets。Sophie利用OPCM有效地执行矩阵矢量乘法。我们在体系结构级别的对称瓷砖映射减少了OPCM阵列区域的大约一半，从而增强了Sophie的可扩展性。我们使用算法优化来有效处理无法适应硬件约束的大型问题。具体来说，我们采用了一种对称的本地更新技术和随机全局同步策略。这两种算法方法将大问题分解为孤立的瓷砖，减少计算要求，并最大程度地减少索菲的通信。我们应用设备级优化以采用修改后的算法。这些设备级优化包括采用双向OPCM阵列和双重元素类似物到数字转换器。Sophie比小图上的最先进的光子iSing机器快3×，比基于FPGA的大型设计快125倍。Sophie减轻了硬件容量的限制，为解决ISING问题提供了可扩展且有效的替代方案。索引术语 - 光学计算，相变存储器，ISING机器，内存处理
朝着基于相位材料的光子设备的准确热建模
可重新配置或可编程的光子设备正在迅速增长，并且已成为许多光学系统的组成部分。通过电刺激选择性调节电磁波的能力对于从数据通信和计算设备到环境科学和空间探索的各种应用的发展至关重要。基于粉红色的相变材料（PCM）是可重新配置光子学的最有前途的材料之一，因为它们在不同的固态结构相之间具有较大的光学对比度。尽管已经致力于准确地模拟基于PCM的设备的努力，但是在本文中，我们突出了三个重要方面，这些方面经常逃避先前的模型，但对这些设备的热和相转换行为产生了重大影响：融合的触发剂：热容量的触发，玻璃过渡时的热量变化，以及液态频率PCM的热电导率。我们进一步研究了在PCM设备中切换能量缩放的重要主题，这也有助于解释为什么在电子PCM记忆中长期以来一直忽略了上述三种效应，但仅在光子学中变得很重要。我们的发现提供了洞察力，可以促进基于PCM的光子设备的准确建模，并可以告知更有效的可重构光学元件。
过渡金属二分法的光电氧相位工程
晶体学相工程在精确控制材料的物理和电子特性中起着重要的作用。In two-dimensional transition metal dichalcogenides (2D TMDs), phase engineering using chemical lithiation with the organometallization agent n -butyllithium ( n -BuLi), to convert the semiconducting 2H (trigonal) to the metallic 1T (octahedral) phase, has been widely explored for applications in areas such as transistors, catalysis and batteries 1–15 .尽管可以在环境温度和压力下进行这种化学期工程，但对基本机制的理解很少，并且N -Buli的使用引起了显着的安全问题。在这里，我们将单型相位从2H到1T相的典型相跃迁到1T和双层2D TMD中，发现该反应可以通过455 nm处的低功率照明来加速六个数量级。我们确定上述差距照明通过光电氧化过程改善了限制速率的电荷转移动力学。我们使用这种方法来实现TMD的快速和高质量的相位工程，并证明可以利用该方法将任意相模式用衍射限制的边缘分辨率刻在几层TMD中。最后，我们用更安全的多环芳族芳族细胞岩剂代替了热情的n -buli，并表明它们的性能超过了n -buli作为相变剂的性能。我们的工作为探索电化学过程的原位表征开辟了机会，并为通过Photoredox阶段工程提供可持续扩展的材料和设备铺平了道路。
相位X射线衍射揭示的相变动力学
图。3：2d XRD数据投影到2θ -ϕ（方位角角）空间被1D方位角集成的数据叠加。使用1S集成时间获取数据。（a）和（d）：静态压缩后的样品的结构和纹理，在300 K.（b）和（e）时：分别在HP加热后最高为1360 K和1360 K和1450 K时发生的结构和纹理变化。（c）和（f）：动态加载后样品的结构，然后淬火至300 K；在这两种情况下，最终的铁结构都对应于ϵ相。
玻色-爱因斯坦凝聚态中涡旋的相位恢复
玻色-爱因斯坦凝聚态 (BEC) 是物质的一种量子态，其中玻色子粒子在单一本征态中形成宏观种群。预测这种状态的理论 [ 1 ] 等待了 70 年才在实验室中被探索 [ 2 , 3 ]，这一里程碑式的成就开启了近 30 年在超冷原子和量子模拟器领域的卓有成效的研究 [ 4 ]。然而，尽管取得了进展，常用的 BEC 测量技术在提供的信息方面并不完整。成像是 BEC 测量技术的核心。通过将光照射穿过原子云并记录其投射的阴影，可以提取特定状态下原子的密度。通常有两种成像模式：原位，对仍在陷阱内的云进行成像，或飞行时间 (TOF)。后者通过打开陷阱并记录云膨胀后的原子密度来完成 [ 5 ]；它类似于在光学中测量“远场”的强度。如果粒子在膨胀过程中不相互作用，并且云的初始尺寸相对于最终膨胀尺寸可以忽略不计，则 TOF 图像提供云的动量分布，即波函数的空间傅里叶变换的幅度。如果存在相互作用，但最终密度足够低，以至于它们可以忽略不计，则测量的动量分布的动能反映初始动能加上相互作用能。这些成像模式仅捕获状态的部分信息，因为它们仅在单个时间点和单个平面上测量密度，无论是原位还是 TOF。然而，BEC 是量子对象，因此它们是物质波 [6]，其特征是振幅和相位。因此，要表征 BEC，必须在它们演化过程中获得其在空间中任何地方的振幅和相位的完整图。因此，依靠这两种模式，创新的