∗ We are grateful to Daron Acemoglu, Philippe Aghion, David Autor, Effi Benmelech, Nicholas Bloom, Carter Braxton, Julieta Caunedo, Martin Beraja, Carola Frydman, Tarek Hassan, David Hemous, Anders Humlum, Nir Jaimovich, David Lagakos, Joseba Martinez, Michael Peters, Pascual Restrepo, Jonathan Rothbaum, Miao Ben Zhang, along with seminar participants at University of Amsterdam, BI-SHoF Conference, Boston University, CIREQ Macroeconomics Conference, Columbia GSB, FIRS, Johns Hopkins, HKUST, Labor and Finance Group, NBER (EFG, PRMP, LS, PIE), Macro-Finance Society, MIT Sloan,密歇根州立大学,赖斯大学,罗切斯特大学,伦敦大学学院经济动态学会,伊利诺伊大学乌尔巴纳·尚特阿布恩大学,多伦多大学,多伦多大学,UZH Automation,Tsinghua PBC,WFA,WFA和沃顿大学的UZH工作室,以进行宝贵的讨论和反馈。我们感谢Carter Braxton,Will Cong和Jonathan Rothbaum慷慨地共享代码。Huben Liu提供了出色的研究支持。该论文先前曾以“技术,特定的人力资本和劳动力流离失所:将专利与职业联系起来的证据”标题。The Census Bureau has reviewed this data product to ensure appropriate access, use, and disclosure avoidance protection of the confidential source data used to produce this product (Data Management System (DMS) number: P-7503840, Disclosure Review Board (DRB) approval numbers: CBDRB-FY21-POP001-0176, CBDRB- FY22-SEHSD003-006, CBDRB-FY22-SEHSD003-023,CBDRB-FY22-SEHSD003-028,CBDRB-FY23-SEHSD003-0350,CBDRB-FY23-SEHSD003-0003-064)。
电气工程处理的是时间函数信号——各种形状的电振荡。使用简单信号作为示例更容易理解电子电路中发生的基本过程。傅里叶级数展开式包括这样的事实:任何复杂形状的振荡都被具有一定振幅和相位的正弦振荡的总和所取代。
人们认为,模拟多体量子系统的动力学是量子计算机能够显示出优于传统计算机的量子优势的首批领域之一。噪声中型量子 (NISQ) 算法旨在有效利用当前可用的量子硬件。对于量子模拟,已经提出了各种类型的 NISQ 算法,它们各有优势,也各有挑战。在这项工作中,我们提出了一种新算法,即截断泰勒量子模拟器 (TQS),它继承了现有算法的优点并减轻了一些缺点。我们的算法没有任何经典量子反馈回路,并通过构造绕过了荒芜高原问题。我们的混合量子经典算法中的经典部分对应于具有单个二次等式约束的二次约束二次规划 (QCQP),它允许半定松弛。基于 QCQP 的经典优化最近被引入作为量子辅助特征值求解器 (QAE) 中的经典步骤,QAE 是用于汉密尔顿基态问题的 NISQ 算法。因此,我们的工作为汉密尔顿基态问题的 NISQ 算法和汉密尔顿模拟提供了概念上的统一。我们将基于微分方程的 NISQ 算法(如量子辅助模拟器 (QAS) 和变分量子模拟器 (VQS))恢复为我们算法的特例。我们在当前云量子计算机上的一些小例子上测试了我们的算法。我们还提供了一种系统的方法来提高我们算法的准确性。
量子吉布斯态的制备是量子计算的重要组成部分,在量子模拟、量子优化和量子机器学习等各个领域都有广泛的应用。在本文中,我们提出了用于量子吉布斯态制备的变分混合量子-经典算法。我们首先利用截断泰勒级数来评估自由能,并选择截断自由能作为损失函数。然后,我们的协议训练参数化量子电路以学习所需的量子吉布斯态。值得注意的是,该算法可以在配备参数化量子电路的近期量子计算机上实现。通过进行数值实验,我们表明只需一个额外量子位的浅参数化电路就可以训练来制备保真度高于 95% 的伊辛链和自旋链吉布斯态。具体来说,对于伊辛链模型,我们发现仅具有一个参数和一个附加量子位的简化电路假设可以被训练以在逆温度大于 2 时实现吉布斯态制备的 99% 保真度。
集合和函数的语言 - 可数集和不可数集。实数 - 最小上界和最大下界。序列 - 序列的极限点、收敛序列;有界和单调序列、序列的上极限和下极限。柯西序列和 R 的完备性。级数 - 级数的收敛和发散、绝对收敛和条件收敛。黎曼重排定理。级数收敛的各种测试。(积分测试将推迟到分析 II 中引入黎曼积分之后。)无穷级数与实数的十进制展开、三进制、二进制展开之间的联系。柯西积、无限积。
3. 教程 1 一阶常微分方程-I 2 一阶常微分方程-II 3 微分方程的应用 4 无限级数-I 5 无限级数-II 6 傅里叶级数-I 7 傅里叶级数-II 8 傅里叶积分与变换-I 9 傅里叶积分与变换-II 10 傅里叶积分与变换-II 11 贝塔函数与伽马函数-I 12 贝塔函数与伽马函数-II 13 线性代数方程组-I 14 线性代数方程组-II 15 线性代数方程组-III
傅里叶级数善于将复杂函数分解为更简单的三角分量,与量子计算的固有特性(如叠加和干涉)无缝契合。这种协同作用使量子信息得到更有效、更精确的表示,大大增强了数据处理、分析和探索量子数据中的周期模式的能力。这项工作深入探讨了傅里叶级数在量子机器学习 (QML) 中应用的巨大优势,并将其与量子计算的独特契合与传统方法进行了对比。傅里叶级数是一种数学工具,它允许我们用正弦和余弦的组合来建模任意周期信号。它的主要优点是从一个域转换到另一个域时需要更多的信号信息。事实上,这个级数并不适用于所有信号(狄利克雷条件 [1]);然而,在各个领域和部门,傅里叶级数是将信号从时域转换到频域的工具,将其分解为谐波相关的正弦函数。在量子计算中,特别是在量子机器学习 (QML) 分支中,量子模型由参数函数 f (x, θ) 描述,该函数受一些独立变量 x(可能是我们的输入数据)和一些参数 θ 的影响,这些参数帮助我们的函数尝试在输入数据中推广自身。考虑到这一点,并了解傅里叶级数对信号处理的巨大影响,因此,分析和实验傅里叶级数如何影响量子模型是非常有趣的,因此,如果它可以帮助我们
写出一组线性方程的矩阵表示并分析方程组的解 查找特征值和特征向量 使用正交变换将二次形式简化为标准形式。 分析序列和级数的性质。 解决均值定理的应用。 使用 Beta 和 Gamma 函数评估不当积分 找到有/无约束的两个变量函数的极值。 UNIT-I:矩阵 矩阵:矩阵的类型,对称;Hermitian;斜对称;斜 Hermitian;正交矩阵;酉矩阵;通过梯形和标准形式对矩阵进行秩计算,通过高斯-乔丹方法求非奇异矩阵的逆;线性方程组;求解齐次和非齐次方程组。高斯消元法;高斯赛德尔迭代法。第二单元:特征值和特征向量线性变换和正交变换:特征值和特征向量及其性质:矩阵的对角化;凯莱-哈密尔顿定理(无证明);用凯莱-哈密尔顿定理求矩阵的逆和幂;二次型和二次型的性质;用正交变换将二次型简化为标准形式第三单元:数列与级数序列:数列的定义,极限;收敛、发散和振荡数列。级数:收敛、发散和振荡级数;正项级数;比较检验、p 检验、D-Alembert 比率检验;Raabe 检验;柯西积分检验;柯西根检验;对数检验。交错级数:莱布尼茨检验;交替收敛级数:绝对收敛和条件收敛。 UNIT-IV:微积分中值定理:罗尔定理、拉格朗日中值定理及其几何解释和应用、柯西中值定理。泰勒级数。定积分在计算曲线旋转表面面积和体积中的应用(仅限于笛卡尔坐标系)、反常积分的定义:Beta 函数和 Gamma 函数及其应用。 UNIT-V:多元微积分(偏微分和应用)极限和连续性的定义。偏微分;欧拉定理;全导数;雅可比矩阵;函数依赖性和独立性,使用拉格朗日乘数法求二元和三元函数的最大值和最小值。
详细课程大纲 第一单元:变换微积分拉普拉斯变换:拉普拉斯变换、性质、逆、卷积、用拉普拉斯变换求某些特殊积分、初值问题的解。傅里叶级数:周期函数、函数的傅里叶级数表示、半程级数、正弦和余弦级数、傅里叶积分公式、帕塞瓦尔恒等式。傅里叶变换:傅里叶变换、傅里叶正弦和余弦变换。线性、缩放、频移和时移性质。傅里叶变换的自互易性、卷积定理。应用于边界值问题。第二单元:数值方法近似和舍入误差、截断误差和泰勒级数。插值 - 牛顿前向、后向、拉格朗日除差。数值积分 - 梯形、辛普森 1/3。通过二分法、迭代法、牛顿-拉夫森法、雷古拉-法尔西法确定多项式和超越方程的根。通过高斯消元法和高斯-西德尔迭代法求解线性联立线性代数方程。曲线拟合-线性和非线性回归分析。通过欧拉法、修正欧拉法、龙格-库塔法和预测-校正法求解初值问题。