XiaoMi-AI文件搜索系统
World File Search System算子
高能散射的算子展开
DESY 在 HERA 中观测到结构函数 F2(x,Q 2 ) 在小 x 处快速增加（见参考文献 [I]），这重新引起了人们对 QCD 振幅高能行为问题的兴趣。在首对数近似中，它受 BFKL 方程 [2-4] 控制，导致 F 2 (x) 的行为与实验曲线相差不大。不幸的是，BFKL 答案存在理论问题，这使得使用这些首对数描述真实的高能过程变得困难（甚至不可能）。首先，BFKL 答案违反了幺正性，因此它充其量只是某种前渐近行为，仅在某些中间能量下可靠。 （真正的高能渐近线对应于主要对数结果的单元化，但这是一个 20 年来无人成功的问题，并不是因为缺乏努力。）此外，即使在单元化并不重要的中等高能量下，QCD 中的 BFKL 结果也不是完全严格的。即使我们从
费米子边界算子的表示
边界算子是一个线性算子，它作用于一组高维二元点（单纯形），并将它们映射到它们的边界上。这种边界图是许多应用中的关键组件之一，包括微分方程、机器学习、计算几何、机器视觉和控制系统。我们考虑在量子计算机上表示完整边界算子的问题。我们首先证明边界算子具有特殊结构，形式为费米子产生和湮灭算子的完全和。然后，我们利用这些算子成对反对换的事实来生成一个 O(n) 深度电路，该电路精确实现边界算子，而没有任何 Trotterization 或泰勒级数近似误差。错误越少，获得所需精度所需的拍摄次数就越多。
可穿越虫洞协议中通过算子扩散实现多体量子隐形传态
通过利用一对量子比特之间的共享纠缠，可以将量子态从一个粒子传送到另一个粒子。最近的进展揭示了量子隐形传态的内在多体泛化，与引力有着巧妙而令人惊讶的联系。具体来说，量子信息的隐形传态依赖于多体动力学，这种动力学源于与引力全息对偶的强相互作用系统；从引力的角度来看，这种量子隐形传态可以理解为通过可穿越虫洞传输信息。在这里，我们提出并分析了一种新的多体量子隐形传态机制——被称为峰值隐形传态。有趣的是，峰值隐形传态利用的量子电路类型与可穿越虫洞隐形传态完全相同，但微观起源却完全不同：它依赖于一般热动力学下局部算子的扩散，而不是引力物理。我们通过分析和数值证明了峰值尺寸隐形传态在各种物理系统中的普遍性，包括随机单元电路、Sachdev-Ye-Kitaev 模型（高温）、一维自旋链和带有弦校正的体引力理论。我们的研究结果为使用多体量子隐形传态作为强大的实验工具铺平了道路，用于 (i) 表征强关联系统中算子的尺寸分布和 (ii) 区分一般和内在引力扰乱动力学。为此，我们提供了在捕获离子和里德堡原子阵列中实现多体量子隐形传态的详细实验蓝图；分析了退相干和实验缺陷的影响。
通过可穿越虫洞协议中的算子扩散实现多体量子隐形传态
通过利用一对量子比特之间的共享纠缠，可以将量子态从一个粒子传送到另一个粒子。最近的进展揭示了量子隐形传态的内在多体泛化，与引力有着巧妙而令人惊讶的联系。具体来说，量子信息的隐形传态依赖于多体动力学，这种动力学源于与引力全息对偶的强相互作用系统；从引力的角度来看，这种量子隐形传态可以理解为通过可穿越虫洞传输信息。在这里，我们提出并分析了一种新的多体量子隐形传态机制——被称为峰值隐形传态。有趣的是，峰值隐形传态利用的量子电路类型与可穿越虫洞隐形传态完全相同，但微观起源却完全不同：它依赖于一般热动力学下的局部算子的扩散，而不是引力物理。我们通过分析和数值方法证明了峰值尺寸隐形传态在各种物理系统中的普遍性，包括随机单元电路、Sachdev-Ye-Kitaev 模型（高温）、一维自旋链和带弦校正的体引力理论。我们的研究结果为使用多体量子隐形传态作为强大的实验工具铺平了道路，用于 (i) 表征强关联系统中算子的尺寸分布和 (ii) 区分一般和内在引力扰乱动力学。为此，我们提供了在捕获离子和里德堡原子阵列中实现多体量子隐形传态的详细实验蓝图；分析了退相干和实验缺陷的影响。
支持深度学习的具有超表面的紧凑型光学三角算子
引言三角运算作为基本数学运算家族之一，在通信与信号处理领域占有核心地位[1]。传统的用于执行三角运算的器件，如现场可编程门阵列（FPGA）[2]和数字信号处理器（DSP）[3]，通常基于电子元件，这导致速度低、功耗高，并且复杂性不可避免[4,5]。如今，呈指数级增长的通信数据和信息需要实时处理和存储，这对传统的基于电子的运算提出了严峻的挑战。因此，迫切需要一种颠覆性的数值三角运算解决方案。在过去的几年中，光学计算的出现为突破传统信号处理器的若干限制提供了可能性[6]。这种基于电磁波的计算策略避免了模数转换，允许超高速大规模并行运算[7]，这已被证明在时间积分和微分[8,9]、希尔伯特变换[10]、空间微分器[11]、逻辑门[12]和任意波形生成[13]中具有巨大潜力。
在量子退火器上实现去模糊化算子
摘要 — 由于量子计算的内置并行性，未来量子计算机在处理一些复杂的模糊逻辑计算方面具有未被开发的潜力。最近，在一种称为量子退火器的量子计算机上，引入了一种基于解决二次无约束二进制优化 (QUBO) 问题的模糊集的新表示和一些基本模糊逻辑运算符 (并集、交集、alpha 切割和最大值) 的实现。本文通过提出一种基于二进制二次模型 (BQM) 的量子退火机上的质心去模糊化的实现来扩展这项工作，但这次使用的是 Ising 模型。通过在量子计算机上实现基本操作和去模糊化，本文为在量子退火器等增强型设备上实现整个模糊推理引擎铺平了道路。索引术语 — 量子计算、模糊逻辑、模糊集。
量子刘维尔算子从可积性到混沌
最近邻间距分布遵循一维泊松分布P(s)=e−s[7]，而混沌系统则表现出能级排斥力，其P(s)根据其对称性类接近于随机矩阵理论(RMT)的维格纳猜测，当s较小时，P(s)∝sβ，其中对正交、酉和辛对称，β=1,2,4，这是著名的Bohigas-Giannoni-Schmit(BGS)猜想的内容[8]。BGS猜想现在在半经典理论中得到了很好的证实，适用于具有适当经典极限的系统[9-11]，并得到许多不同量子系统中大量数值和实验证据的支持[12-14]。多体量子系统的情况则不太清楚，尽管最近取得了一些理论进展 [ 15 – 17 ] 。由于费米子或玻色子粒子交换下的对称性，经典极限无法正确定义。通常，BGS 猜想被认为对多体量子系统也成立，这主要基于数值结果，但仍缺乏严格的推导。可积和混沌通用极限之间的转变是非通用的，取决于所研究的特定系统的特性，尽管已针对不同系统进行了非常详细的探索 [ 18 , 19 ] 。例如，在可积与混沌正交情况之间的转变中，一些系统表现出分数能级排斥，P(s)∝sβ，β值在可积情况β=0与对应的RMT系综值β=1之间连续变化，而其他系统则表现出满能级排斥，但仅限于一部分能级[20]。许多系统，特别是多体情况，表现出前一种行为。然而，Berry和Robnik的半经典转变理论预测了后一种行为[19]。在这种情况下P(0)=F，其中F由所考虑模型的经典极限的相空间中规则轨道的分数给出。在开放量子系统中，该理论的发展要落后得多，即使第一批结果是在BGS猜想提出后不久就出现的[21]。开放量子系统可以用刘维尔方程来描述，该方程表征密度矩阵算子随时间演化的特征。在马尔可夫近似下，刘维尔算子是线性非厄米算子，刘维尔方程可以写成林德布拉德主方程 [22] 。因此，刘维尔算子具有复特征值，而不是标准厄米量子力学的实能量。该问题的最初方法是研究与环境耦合较弱的可积或混沌汉密尔顿量。当汉密尔顿量可积时，Grobe 等人研究了复平面上的谱统计，发现与二维泊松分布符合得很好 [21] 。在混沌极限中，对于较小的s值，存在普遍的立方斥力P(s)∝s3，就像在非厄米随机矩阵的Ginibre系综中一样[23]，尽管完整P(s)分布的细节取决于非厄米矩阵的对称性[24,25]。对于开放量子自旋链，从可积到混沌的转变中的能级间距分布可以通过具有谐波约束的静态二维库仑气体来拟合，其中能级斥力由温度的倒数给出，表现出转变中的分数能级斥力[26]。最近，由于发现了新的可积多体刘维尔粒子家族[27-29]，人们需要采用不同的方法来研究开放量子系统的可积和混沌特性。扩展精确可解和量子可积的 Liouvil 函数类是提高我们对开放量子多体系统的理解的重要一步。最近的一些工作研究了随机混沌 Liouvil 函数复谱的统计特性 [ 30 , 31 ] 。然而，在物理多体 Liouvil 函数中，精确可解的可积极限和混沌极限之间的转变仍然大部分未被探索。在本文中，我们将基于 SU(2) 自旋 1 Richardson 模型的文献 [ 28 ] 模型扩展到有理 Richardson-Gaudin (RG) 类可积模型中的可积线。这种新的可积 Liouvil 函数族具有丰富而复杂的跳跃算子结构，并允许沿可积线进行简单的参数化。然后我们[ 28 ] 基于 SU(2) 自旋 1 Richardson 模型，将其转化为有理 Richardson-Gaudin (RG) 类可积模型中的一条可积线。这种新的可积 Liouvillians 族具有丰富而复杂的跳跃算子结构，并允许沿可积线进行简单的参数化。然后我们[ 28 ] 基于 SU(2) 自旋 1 Richardson 模型，将其转化为有理 Richardson-Gaudin (RG) 类可积模型中的一条可积线。这种新的可积 Liouvillians 族具有丰富而复杂的跳跃算子结构，并允许沿可积线进行简单的参数化。然后我们
通过模算子实现量子时间中的动态非局域性
非局域性是一个引人注目的概念，自量子理论诞生之初 [1,2] 至今，它一直吸引着学术界越来越多的兴趣。无论是通过贝尔非局域性 [3,4]、量子操控 [5,6]、一般的量子纠缠 [7]，还是更广泛的量子不和谐 [8–11]，非局域性一直是量子基础研究的核心。这是有原因的：由于多个实验证实了贝尔不等式的量子违反 [12–19]，人们相信量子力学与经典力学有着根本的不同。这些研究带来了理论和技术突破 [20–28]。此外，甚至可以讨论时间中的纠缠 [29–33]。上述类型的非局域性与系统的制备（或制备和测量）有关。因此，它可以称为运动非局域性。使用模变量的概念引入的另一种非局域性[34]与量子系统遵循的运动方程有关，因此称为动态非局域性。尽管这些变量非常有前景，正如在连续系统量子信息的首次应用中已经证明的那样[35-38]，但它们尚未得到社区相当一部分人的充分关注[39]。文献中考虑的最常见的模变量类型是模位置和模动量[35-48]。事实上，设ℓ和p0分别为长度和动量维数的参数，模算子
![b'我们提出了一系列量子算法，用于计算各种量子熵和距离，包括冯·诺依曼熵、量子 R\xc2\xb4enyi 熵、迹距离和 \xef\xac\x81delity。所提出的算法在低秩情况下的表现明显优于最知名的（甚至是量子的）算法，其中一些算法实现了指数级加速。特别是，对于秩为 r 的 N 维量子态，我们提出的用于计算冯·诺依曼熵、迹距离和 \xef\xac\x81delity（加性误差 \xce\xb5 内）的量子算法的时间复杂度为 \xcb\x9c O r 2 /\xce\xb5 2 、 \xcb\x9c O r 5 /\xce\xb5 6 和 \xcb\x9c O r 6 。 5 /\xce\xb5 7 . 5 1 。相比之下，已知的冯·诺依曼熵和迹距离算法需要量子时间复杂度为 \xe2\x84\xa6( N ) [AISW19,GL20,GHS21]，而最著名的 \xef\xac\x81delity 算法需要 \xcb\x9c O r 21 . 5 /\xce\xb5 23 . 5 [WZC + 21]。我们的量子算法的关键思想是将块编码从先前工作中的幺正算子扩展到量子态（即密度算子）。它是通过开发几种方便的技术来操纵量子态并从中提取信息来实现的。特别是，我们基于强大的量子奇异值变换（QSVT）[GSLW19]，引入了一种用于密度算子及其（非整数）正幂的特征值变换的新技术。我们的技术相对于现有方法的优势在于，不需要对密度算子进行任何限制；与之形成鲜明对比的是，以前的方法通常需要密度算子的最小非零特征值的下限。此外，我们还提供了一些独立感兴趣的技术，用于（次规范化）密度算子的迹估计、线性组合和特征值阈值投影仪，我们相信这些技术在其他量子算法中会很有用。'](/simg/4/4e9553780581bbfda8e4d6bb48115782efffb2a7.webp)
b'我们提出了一系列量子算法，用于计算各种量子熵和距离，包括冯·诺依曼熵、量子 R\xc2\xb4enyi 熵、迹距离和 \xef\xac\x81delity。所提出的算法在低秩情况下的表现明显优于最知名的（甚至是量子的）算法，其中一些算法实现了指数级加速。特别是，对于秩为 r 的 N 维量子态，我们提出的用于计算冯·诺依曼熵、迹距离和 \xef\xac\x81delity（加性误差 \xce\xb5 内）的量子算法的时间复杂度为 \xcb\x9c O r 2 /\xce\xb5 2 、 \xcb\x9c O r 5 /\xce\xb5 6 和 \xcb\x9c O r 6 。 5 /\xce\xb5 7 . 5 1 。相比之下，已知的冯·诺依曼熵和迹距离算法需要量子时间复杂度为 \xe2\x84\xa6( N ) [AISW19,GL20,GHS21]，而最著名的 \xef\xac\x81delity 算法需要 \xcb\x9c O r 21 . 5 /\xce\xb5 23 . 5 [WZC + 21]。我们的量子算法的关键思想是将块编码从先前工作中的幺正算子扩展到量子态（即密度算子）。它是通过开发几种方便的技术来操纵量子态并从中提取信息来实现的。特别是，我们基于强大的量子奇异值变换（QSVT）[GSLW19]，引入了一种用于密度算子及其（非整数）正幂的特征值变换的新技术。我们的技术相对于现有方法的优势在于，不需要对密度算子进行任何限制；与之形成鲜明对比的是，以前的方法通常需要密度算子的最小非零特征值的下限。此外，我们还提供了一些独立感兴趣的技术，用于（次规范化）密度算子的迹估计、线性组合和特征值阈值投影仪，我们相信这些技术在其他量子算法中会很有用。'
b'我们提出了一系列量子算法，用于计算各种量子熵和距离，包括冯·诺依曼熵、量子 R\xc2\xb4enyi 熵、迹距离和 \xef\xac\x81delity。所提出的算法在低秩情况下的表现明显优于最知名的（甚至是量子的）算法，其中一些算法实现了指数级加速。特别是，对于秩为 r 的 N 维量子态，我们提出的用于计算冯·诺依曼熵、迹距离和 \xef\xac\x81delity（加性误差 \xce\xb5 内）的量子算法的时间复杂度为 \xcb\x9c O r 2 /\xce\xb5 2 、 \xcb\x9c O r 5 /\xce\xb5 6 和 \xcb\x9c O r 6 。 5 /\xce\xb5 7 . 5 1 。相比之下，已知的冯·诺依曼熵和迹距离算法需要量子时间复杂度为 \xe2\x84\xa6( N ) [AISW19,GL20,GHS21]，而最著名的 \xef\xac\x81delity 算法需要 \xcb\x9c O r 21 . 5 /\xce\xb5 23 . 5 [WZC + 21]。我们的量子算法的关键思想是将块编码从先前工作中的幺正算子扩展到量子态（即密度算子）。它是通过开发几种方便的技术来操纵量子态并从中提取信息来实现的。特别是，我们基于强大的量子奇异值变换（QSVT）[GSLW19]，引入了一种用于密度算子及其（非整数）正幂的特征值变换的新技术。我们的技术相对于现有方法的优势在于，不需要对密度算子进行任何限制；与之形成鲜明对比的是，以前的方法通常需要密度算子的最小非零特征值的下限。此外，我们还提供了一些独立感兴趣的技术，用于（次规范化）密度算子的迹估计、线性组合和特征值阈值投影仪，我们相信这些技术在其他量子算法中会很有用。'
b'由时间参数化的希尔伯特空间。在 QM 中，QCurve 由三元组 | \xf0\x9d\x9c\x93 0 \xe2\x9f\xa9 ,\xf0\x9d\x91\x88 ( \xf0\x9d\x91\xa1 ) , \xce\xb4 \xf0\x9d\x91\xa1 表示，其中 | \xf0\x9d\x9c\x93 0 \xe2\x9f\xa9 为初始状态，\xf0\x9d\x91\x88 ( \xf0\x9d\x91\xa1 ) = e \xe2\x88\x92 i \xf0\x9d\x90\xbb\xf0\x9d\x91\xa1 为演化算子，'
b'由时间参数化的希尔伯特空间。在 QM 中，QCurve 由三元组 | \xf0\x9d\x9c\x93 0 \xe2\x9f\xa9 ,\xf0\x9d\x91\x88 ( \xf0\x9d\x91\xa1 ) , \xce\xb4 \xf0\x9d\x91\xa1 表示，其中 | \xf0\x9d\x9c\x93 0 \xe2\x9f\xa9 为初始状态，\xf0\x9d\x91\x88 ( \xf0\x9d\x91\xa1 ) = e \xe2\x88\x92 i \xf0\x9d\x90\xbb\xf0\x9d\x91\xa1 为演化算子，'